R语言入门之基本统计分析

最新推荐文章于 2024-05-20 15:07:00 发布
最新推荐文章于 2024-05-20 15:07:00 发布
阅读量1.1k 收藏
点赞数
文章标签： r语言
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/shdndk/article/details/51821550
版权

       刚刚接触R语言，学习了入门基础知识后，发现R语言深似海，依次总结记录自己R语言学习过程。

       今天主要是利用R语言进行描述性统计分析。以R中自带的mtcars数据集为例。

1.利用psych包中的describe（）函数计算，只能计算非逻辑、因子、字符的数值型变量。（？psych中阅读详细资料）

           describe(x, na.rm = TRUE, interp=FALSE,skew = TRUE, ranges = TRUE,trim=.1,type=3,check=TRUE,fast=NULL,quant=NULL,IQR=FALSE)describeData(x,head=4,tail=4)

其中na.rm是移除含缺失值的行，type是选择估计偏度和峰度的方法，IQR是四分位范围，其他。。。。。

代码如下：

        >  vars<-c("mpg","hp","wt")

        > describe(mtcars[vars],IQR=TRUE)

结果如下：第一行依次是变量，值的数量，平均数，标准差，中位数，截尾均值，绝对中位差，最小值，最大值，值域，偏度，峰度，平均值的标准误，及四分位范围。

         vars  n   mean    sd median trimmed   mad   min    max  range skew kurtosis

mpg    1 32  20.09  6.03  19.20   19.70  5.41 10.40  33.90  23.50 0.61    -0.37

hp     2 32 146.69 68.56 123.00  141.19 77.10 52.00 335.00 283.00 0.73    -0.14

wt     3 32   3.22  0.98   3.33    3.15  0.77  1.51   5.42   3.91 0.42    -0.02

       se   IQR

mpg  1.07  7.38

hp  12.12 83.50

wt   0.17  1.03



2.利用CrossTable生成二维列联表，具体参考（？CrossTable）

         CrossTable(mtcars$disp,mtcars$cyl,prop.r = FALSE,prop.c = FALSE,prop.t = FALSE,prop.chisq = TRUE,chisq = TRUE)

           Cell Contents

|-------------------------|

|                       N |

| Chi-square contribution |

|-------------------------|


 

Total Observations in Table:  32 


 

             | mtcars$cyl 

 mtcars$disp |         4 |         6 |         8 | Row Total | 

-------------|-----------|-----------|-----------|-----------|

        71.1 |         1 |         0 |         0 |         1 | 

             |     1.253 |     0.219 |     0.438 |           | 

-------------|-----------|-----------|-----------|-----------|

        75.7 |         1 |         0 |         0 |         1 | 

             |     1.253 |     0.219 |     0.438 |           | 

-------------|-----------|-----------|-----------|-----------|

        78.7 |         1 |         0 |         0 |         1 | 

             |     1.253 |     0.219 |     0.438 |           | 

-------------|-----------|-----------|-----------|-----------|

          79 |         1 |         0 |         0 |         1 | 

             |     1.253 |     0.219 |     0.438 |           | 

-------------|-----------|-----------|-----------|-----------|

        95.1 |         1 |         0 |         0 |         1 | 

             |     1.253 |     0.219 |     0.438 |           | 

-------------|-----------|-----------|-----------|-----------|

         108 |         1 |         0 |         0 |         1 | 

             |     1.253 |     0.219 |     0.438 |           | 

-------------|-----------|-----------|-----------|-----------|

       120.1 |         1 |         0 |         0 |         1 | 

             |     1.253 |     0.219 |     0.438 |           | 

-------------|-----------|-----------|-----------|-----------|

       120.3 |         1 |         0 |         0 |         1 | 

             |     1.253 |     0.219 |     0.438 |           | 

-------------|-----------|-----------|-----------|-----------|

         121 |         1 |         0 |         0 |         1 | 

             |     1.253 |     0.219 |     0.438 |           | 

-------------|-----------|-----------|-----------|-----------|

       140.8 |         1 |         0 |         0 |         1 | 

             |     1.253 |     0.219 |     0.438 |           | 

-------------|-----------|-----------|-----------|-----------|

         145 |         0 |         1 |         0 |         1 | 

             |     0.344 |     2.790 |     0.438 |           | 

-------------|-----------|-----------|-----------|-----------|

       146.7 |         1 |         0 |         0 |         1 | 

             |     1.253 |     0.219 |     0.438 |           | 

-------------|-----------|-----------|-----------|-----------|

         160 |         0 |         2 |         0 |         2 | 

             |     0.688 |     5.580 |     0.875 |           | 

-------------|-----------|-----------|-----------|-----------|

       167.6 |         0 |         2 |         0 |         2 | 

             |     0.688 |     5.580 |     0.875 |           | 

-------------|-----------|-----------|-----------|-----------|

         225 |         0 |         1 |         0 |         1 | 

             |     0.344 |     2.790 |     0.438 |           | 

-------------|-----------|-----------|-----------|-----------|

         258 |         0 |         1 |         0 |         1 | 

             |     0.344 |     2.790 |     0.438 |           | 

-------------|-----------|-----------|-----------|-----------|

       275.8 |         0 |         0 |         3 |         3 | 

             |     1.031 |     0.656 |     2.170 |           | 

-------------|-----------|-----------|-----------|-----------|

         301 |         0 |         0 |         1 |         1 | 

             |     0.344 |     0.219 |     0.723 |           | 

-------------|-----------|-----------|-----------|-----------|

         304 |         0 |         0 |         1 |         1 | 

             |     0.344 |     0.219 |     0.723 |           | 

-------------|-----------|-----------|-----------|-----------|

         318 |         0 |         0 |         1 |         1 | 

             |     0.344 |     0.219 |     0.723 |           | 

-------------|-----------|-----------|-----------|-----------|

         350 |         0 |         0 |         1 |         1 | 

             |     0.344 |     0.219 |     0.723 |           | 

-------------|-----------|-----------|-----------|-----------|

         351 |         0 |         0 |         1 |         1 | 

             |     0.344 |     0.219 |     0.723 |           | 

-------------|-----------|-----------|-----------|-----------|

         360 |         0 |         0 |         2 |         2 | 

             |     0.688 |     0.438 |     1.446 |           | 

-------------|-----------|-----------|-----------|-----------|

         400 |         0 |         0 |         1 |         1 | 

             |     0.344 |     0.219 |     0.723 |           | 

-------------|-----------|-----------|-----------|-----------|

         440 |         0 |         0 |         1 |         1 | 

             |     0.344 |     0.219 |     0.723 |           | 

-------------|-----------|-----------|-----------|-----------|

         460 |         0 |         0 |         1 |         1 | 

             |     0.344 |     0.219 |     0.723 |           | 

-------------|-----------|-----------|-----------|-----------|

         472 |         0 |         0 |         1 |         1 | 

             |     0.344 |     0.219 |     0.723 |           | 

-------------|-----------|-----------|-----------|-----------|

Column Total |        11 |         7 |        14 |        32 | 

-------------|-----------|-----------|-----------|-----------|


 

Statistics for All Table Factors



Pearson's Chi-squared test 

------------------------------------------------------------

Chi^2 =  64     d.f. =  52     p =  0.1228287 


对参数进行设置还可以进行独立性检验及期望和残差的计算

shdndk
关注
用R语言进行基本统计分析
一蓑烟雨任平生
11-21 3072
1. 描述性统计分析 使用自带的summary（）函数 &gt; myvars &lt;- c("mpg","hp","wt") &gt; summary(mtcars[myvars]) mpg hp wt Min. :10.40 Min. : 52.0 Min. :1.513 1st ...
R语言统计分析篇
热门推荐
小凤的博客
06-03 4万+
1.描述性统计分析
R语言—基本统计分析
W_chuanqi的博客
11-06 6780
使用sample函数模拟一次投掷一枚骰子的情况，共投掷100次，计算各点数出现的频数。知识：简单随机抽样名称取值与意义x向量，表示抽样的总体size非负整数，表示抽样的个体replace逻辑变量，表示是否为有放回抽样，默认为FALSEprob数值向量（0-1之间），长度与参数x相同，表示x中元素出现的频率。
R语言之基本统计分析
weixin_43595036的博客
08-25 3660
准备工作 加载需要使用的库 library(pastecs) library(psych) library(ggm) 读取数据，使用H1N1流感数据集和波士顿房价数据集。 flu <- read.table("./datasets/h1n1_flu.csv", header = TRUE, sep = ",") housing <- read.csv("./datasets/BostonHousing.csv", header = TRUE) 多种方法获取描述性统计量 基础方法 通过summ
R语言与基本统计分析
Luminous
11-19 758
文章目录1. 描述性统计分析2. 频数表和列联表3. 相关 1. 描述性统计分析 //利用基础函数获取各变量的描述性统计量 ① summary() → max,min,quantile,mean ② library(Hmisc) describe(mydata) → var#, obs#, n, missing, unique, mean, quantile, 5 lowest/hi...
R语言入门_R语言_R语言入门教程_
09-30
R语言是一种广泛应用于统计分析、数据可视化和预测建模的编程语言和环境。它以其强大的数据分析功能和开源特性，受到了全球科研人员和数据科学家的热烈欢迎。本篇将基于提供的"R语言入门_R语言_R语言入门教程_"主题...
R语言基础入门教程.pdf
04-01
R语言是一种用于统计分析、绘图的语言和操作环境，属于GNU系统的一个自由、免费、源代码开放的软件。在R语言中，有六种基本数据结构，包括向量、矩阵、数组、列表、数据框和因子。向量是R语言中最基本的数据结构，由...
R语言入门-主要统计方法的R语言实现-心理统计学与R语言
06-04
通过这些R语言实现，我们可以对数据进行深入的统计分析，从而在心理统计学中得出有意义的结论。学习并熟练掌握这些基础统计方法，将有助于你在数据探索和解释上更加得心应手。在实际操作中，还可以结合R的其他包（如...
R语言入门.pdf
07-20
R语言是一种广泛应用于统计分析、图形表示以及报告制作的专业编程语言。它具有强大的数据处理能力，并且拥有丰富的第三方库支持。 #### 二、R语言的特点 R语言具有以下显著特点： - **开源免费**：R语言是完全免费...
R语言与多元统计分析入门
08-18
### R语言与多元统计分析入门知识点...以上是关于R语言与多元统计分析入门的基本知识点概述，涵盖了R语言的安装、基本操作、向量操作等方面。掌握这些基础知识对于进一步深入学习R语言及其在统计分析中的应用至关重要。
R之基本统计分析
chen_amiao的博客
11-13 602
此博客主要评述用于生成基本的描述性统计量和推断统计量的R函数。 描述性统计分析：关注对连续型变量的中心趋势、变化性和分布形状的分析。 1.用summary（）函数来获取描述性统计变量 将得到最小值，最大值，四分位数和数值型变量的均值，以及因子向量和逻辑型向量的频数统计，结合apply（）和sapply（）函数计算所选择的任一描述性统计量。 扩展： Hmisc包中的describe（）函数可返
R语言 基本统计分析
Mrrunsen的博客
10-03 339
描述性统计分析主要是认识数据的整体状况，例如是否缺失、均值、方差、中位数等描述性统计变量。推荐使用summary()、psych::describe()“ 本章节是数据预处理的第一步：了解数据（集）。只有充分了解了数据，我们才能对数据做进一步的预处理和后续深入的分析。严格来讲“数据结构”不是基本统计分析的内容，但是这是了解数据的第一步，因此这里做简单普及！推荐使用str()函数。推荐学习使用table、xtabs、gmodels::CrossTable。gmodels::CrossTable #列联表。
R语言系列4——R语言统计分析基础
theskylife的博客
03-13 2053
在当今数字化时代，数据已经成为企业成功的关键。而在数据的海洋中，统计分析是我们的指南针，为我们指引正确的方向。而今天，我们将聚焦于统计分析的一个重要领域：线性回归分析。线性回归不仅是理解数据关系的有力工具，更是洞察数据背后故事的窗口。让我们一起探索线性回归的奥秘，揭开数据之谜！
用R语言进行数据分析
最新发布
weixin_72965820的博客
05-20 1959
本文介绍了如何使用r语言进行数据分析
R语言实现常用的5种分析方法（主成分+因子+多维标度+判别+聚类
hu397313168的博客
02-16 8502
EFA和PCA的区别在于：PCA中的主成分是原始变量的线性组合，而EFA中的原始变量是公共因子的线性组合，因子是影响变量的潜在变量，变量中不能被因子所解释的部分称为误差，因子和误差均不能直接观察到。从上面的结果观察到，PC1即观测变量与主成分之间的相关系数，h2是变量能被主成分解释的比例，u2则是不能解释的比例。注意此结果与princomp函数结果不同，princomp函数返回的是主成分的线性组合系数，而principal函数返回原始变量与主成分之间的相关系数，这样就和因子分析的结果意义相一致。
R语言：基本统计分析
weixin_44330955的博客
12-08 3415
1.数据的特征 1.1 数据的集中特征 mean(M) [1] 7.788 median(M) [1] 7.25 quantile(M) 0% 25% 50% 75% 100% 0.800 4.075 7.250 11.250 17.400 length(M[M>=mean(M)]) [1] 23 summary(M)#返回数据M的概括性信息 Min. 1st Qu. Median Mean 3rd Qu. Max. 0.800 4.075 7.250 7.788 11.2.
R语言的基本统计分析
weixin_48231783的博客
06-12 2562
通过综合案例，使用R语言掌握基本统计分析的各种指标的并掌握统计分析结果的可视化方法，并给出数据分析的相应结论。
R语言数据分析
m0_50150737的博客
09-06 3652
R语言数据分析R语言与数据分析概述基本操作命令基本数据类型数据类型的转换运算符R中的数据结构代码展示 R语言与数据分析概述 R语言是一种开源的脚本语言，诞生于1993年，R系统是开源、免费的。 数据分析过程： 数据导入——数据清洗——数据探索——数据建模——可视化——报告发现 基本操作命令 注：*处写包名 函数 说明 getwed() 显示当前工作目录 setwd () 修改当前工作目录 ls () 显示当前工作空间中的所有对象 str () 显示对象的结构 ls.str (
R语言入门：统计分析与资源指南
R语言与统计分析是一门强大的工具，特别适合那些初学者想要步入统计计算和数据科学领域的人员。本文档由上海师范大学在2004年发布，旨在为刚接触R语言的人提供一个全面的入门指南。R语言作为一种开源的编程语言，以...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值