R均值函数mean细节与案例说明

本文详细介绍了R语言中的mean函数,包括其参数trim用于异常值截断及na.rm用于处理NA值的功能。通过案例展示了mean函数在不同参数设置下的计算结果,如当向量包含NA值时,通过na.rm=TRUE可以排除NA计算均值;通过trim参数可以截取向量两端的数据来计算调整后的均值。此外,还提到了对于逻辑向量,mean函数计算的是TRUE的占比。
摘要由CSDN通过智能技术生成

R均值函数mean细节梳理

mean函数的细节

通过帮助文档查看

可通过help命令查看该概述的详细介绍即帮助文档。

help("mean")

参数说明 

mean函数有三个参数,详细说明见下:

1 数值或者逻辑类型的向量。

2 通过参数trim指定异常值截断的比例,这里指的是前后都被截取的比例,该参数的范围是0到0.5。

3 na.rm指定为TURE即删除NA值,为FALSE则不删除异常值。

:截取时取该参数trim与向量个数乘积的整数部分。

案例详解

#1 指定na.rm为FALSE,如果向量里有NA则mean的结果会是NA。
x <- c(0:10, 50,NA)
xm <- mean(x,na.rm = FALSE)
xm
x

#结果
[1] NA
> x
 [1]  0  1  2  3  4  5  6  7  8  9 10 50 NA


#2指定na.rm为FALSE,如果向量里有NA则mean的结果会是NA。
x <- c(0:10, 50,NA)
xm <- mean(x,na.rm = TRUE)
xm

#结果
[1] 8.75


#3 指定trim为0.1,即截取向量前后向量总数乘trim个元素,这里是向量元素排序后前后都要截取。
x <- c(0:10, 50)
xm <- mean(x)
c(xm, mean(x, trim = 0.10))
y <- sort(x)
y
结果
[1] 8.75 5.50
> y <- sort(x)
> y
 [1]  0  1  2  3  4  5  6  7  8  9 10 50

#这里因为mean(x, trim = 0.10)里指定trim截取比例是0.1,即前后截取12*0.1=1个,所以这时0和50被截取掉了。当前向量为(1:10),所以均值为5.50。


#4 针对逻辑符的mean求的是TRUE的占比,计算方法类似数值型。
z <- c(TRUE,FALSE,TRUE,TRUE,FALSE,NA)
zxm <- mean(z,na.rm = FALSE)
c(zxm, mean(z, trim = 0.10,na.rm = TRUE))

#结果
[1]  NA 0.6
#为True的3个,这里3/5即为0.6。

引用:mean()函数是一个numpy库中的函数,用于计算给定数组的均值。它的功能是求取均值,可以根据指定的参数axis来决定是对行还是列进行求均值操作。通常,axis参数的取值为0表示对列进行求均值操作,取值为1表示对行进行求均值操作。 在numpy中,mean()函数的使用方式是np.mean(array, axis),其中array是要进行求均值操作的数组,axis是指定进行求均值操作的轴。例如,np.mean(array, 0)表示对array数组的各列求均值。 因此,当你使用python的mean()函数时,可以根据需要选择对行或列进行均值计算,并将相应的参数传入函数中。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* [Python函数综合案例.md](https://download.csdn.net/download/qq_42431718/88241199)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] - *2* *3* [python中mean函数解析](https://blog.csdn.net/qq_40730862/article/details/83045017)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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

打赏作者

ShenLiang2025

您的鼓励是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
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