r语言descstats_R语言学习-基本统计分析--上

整体数据计算描述性统计量

summary()函数

可以使用summary()函数来获取描述性统计量

> myvars

> summary(mtcars[myvars])

mpg hp wt

Min. :10.40 Min. : 52.0 Min. :1.513

1st Qu.:15.43 1st Qu.: 96.5 1st Qu.:2.581

Median :19.20 Median :123.0 Median :3.325

Mean :20.09 Mean :146.7 Mean :3.217

3rd Qu.:22.80 3rd Qu.:180.0 3rd Qu.:3.610

Max. :33.90 Max. :335.0 Max. :5.424

可以看出summary()函数提供了每个变量的最小值，下四分数，中位数，上四分位数，最大数

sapply()函数

可以使用sapply()函数计算所选的任意描述性统计量，调用格式为

sapply(x,FUN,options)

x是选择的数据框或矩阵，FUN是一个任意的函数

#自定义函数

> mystats

+ if (na.omit)

+ x

+ m

+ n

+ s

+ skew

+ kurt

+ return(c(n=n,mean=m,stdev=s,skew=skew,kurtosis=kurt))

+ }

> sapply(mtcars[myvars],mystats)

mpg hp wt

n 32.000000 32.0000000 32.00000000

mean 20.090625 146.6875000 3.21725000

stdev 6.026948 68.5628685 0.97845744

skew 0.610655 0.7260237 0.42314646

kurtosis -0.372766 -0.1355511 -0.02271075

在上面的代码中，我们先自编了一个计算观测数，均值，标准差，偏度和峰度的函数，再用sapply()函数，将此函数应用的选择的数据框上

describe()函数

Hmisc包中的describe()函数可以返回变量和观测的数量，缺失值和唯一值的数目，平均值，分位数，以及五个最大的值和五个最小的值

> install.packages("Hmisc")

> library(Hmisc)

> describe(mtcars[myvars])

mtcars[myvars]

3 Variables 32 Observations

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

mpg

n missing distinct Info Mean Gmd .05 .10 .25

32 0 25 0.999 20.09 6.796 12.00 14.34 15.43

.50 .75 .90 .95

19.20 22.80 30.09 31.30

lowest : 10.4 13.3 14.3 14.7 15.0, highest: 26.0 27.3 30.4 32.4 33.9

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