使用R进行描述性统计分析（连续性变量）_r语言各组连续性变量的描述-CSDN博客

本文链接：https://blog.csdn.net/weixin_40466280/article/details/96442747

本文介绍了如何使用R进行连续性变量的描述性统计分析，包括基础函数、Hmisc、pastecs和psych包中的方法。讨论了如何计算统计量、分组计算以及输出统计描述表格，并给出了实例和注意事项。

摘要由CSDN通过智能技术生成

使用R进行描述性统计分析（连续性变量）

对于描述性统计来说，R可以实现的方法有很多，基础自带的有summary()函数，还有其他packages，如Hmisc包，pastecs包，psych包提供了计算更多内容的函数。

基础函数

在R中，我们经常使用summary()函数来计算最大值、最小值、四分位数、均值、频数等等。

data(mtcars)
myvars <- c("mpg", "hp", "wt")
summary(mtcars[myvars])
## --- output------
## NOT RUN:
> 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

一般而言，我们使用summary()函数就可以得到我们想要的描述性统计量了。不过summary()函数提供的统计量较少，有时候满足不了我们的需求，那么我们可以使用其他包中提供的函数来进行计算。

其他方法

Hmisc包

Hmisc包是一个包含了很多数据分析函数的包，包括样本量大小的计算，图标绘制，字符串操作，输出为LaTeX及HTML格式的文档等等。在这里可以查看更多详细的信息：

Contains many functions useful for data analysis, high-level graphics, utility operations, functions for computing sample size and power, importing and annotating datasets, imputing missing values, advanced table making, variable clustering, character string manipulation, conversion of R objects to LaTeX and html code, and recoding variables.
在Hmisc包中的describe()函数提供了数量，缺失值，唯一值的数量，平均数，分位数，**基尼平均值（Geni mean difference, Gmd）**以及五个最大值和最小值：

library(Hmisc)
describe(mtcars[myvars])
## --- output---
## NOT RUN
> describe(mtcars[myvars])
mtcars[myvars] 

 3  Variables      32  Observations
--------------------------------------------------------------------------------
mpg 
       n  missing distinct     Info     Mean      Gmd      .05      .10 
      32        0       25    0.999    20.09    6.796    12.00    14.34 
     .25      .50      .75      .90      .95 
   15.43    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
--------------------------------------------------------------------------------
hp 
       n  missing distinct     Info     Mean      Gmd      .05      .10 
      32        0       22    0.997    146.7    77.04    63.65    66.00 
     .25      .50      .75      .90      .95 
   96.50   123.00   180.00   243.50   253.55 

lowest :  52  62  65  66  91, highest: 215 230 245 264 335
--------------------------------------------------------------------------------
wt 
       n  missing distinct     Info     Mean      Gmd      .05      .10 
      32        0       29    0.999    3.217    1.089    1.736    1.956 
     .25      .50      .75      .90      .95 
   2.581    3.325    3.610    4.048    5.293 

lowest : 1.513 1.615 1.835 1.935 2.140, highest: 3.845 4.070 5.250 5.345 5.424
--------------------------------------------------------------------------------

关于基尼平均值是什么，可以看这里的介绍了解更多相关的内容。