R语言---频数表和列连表

最新推荐文章于 2024-04-10 15:52:50 发布
最新推荐文章于 2024-04-10 15:52:50 发布
阅读量4k 收藏 27
点赞数 3
分类专栏： 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/weixin_42712867/article/details/99439484
版权

在本节中我们将着眼于类别型变量的频数表和列联表，以及相应的独立性检验，相关性度量。
在本节中我们除了使用基础安装中的函数，还将连带使用vcd包和gmodels包中的函数。
本节使用的数据时来自包vcd中的Arthritis数据集，这是一个关于风湿性关节炎新疗法的双盲实验结果

> library(vcd)
载入需要的程辑包：grid
Warning message:
程辑包‘vcd’是用R版本3.6.1 来建造的 
> head(Arthritis)
  ID Treatment  Sex Age Improved
1 57   Treated Male  27     Some
2 46   Treated Male  29     None
3 77   Treated Male  30     None
4 17   Treated Male  32   Marked
5 36   Treated Male  46   Marked
6 23   Treated Male  58   Marked
>

1,生成频数表
R中提供了用于创建频数表和列联表的若干方法，方法如下
table(var1,var2,var3,…,varN) 使用N个类别型变量创建一个N维列联表
注意table()函数默认忽略缺失值的，要在频数统计中将NA视为一个有效的类别，可以使用参数useNA=“ifany”
xtabs(formula,data) 根据一个公式和一个矩阵或数据框创建一个N维列联表,效果和table()一样只是格式不一样
prop.tabe(table,margins) 对表格进行分数话处理，
margins设置是行分数话还是列分数话，如果是行分数话的话就是行中的每个数值都是table中每行中的数值占这一行总和的比值，这一行的总和为1
margin.table(table,margins) 依margins定义的边际列表计算各条目的和，就和Excel中的行总计或者列总计一样
addmargins(table,margins) 将概述边margins(默认是求和结果)放入表中，就像excel中的行总计和列总计放入在原来表格中的效果（不止是总计其他总结性函数也可以）
ftable(table) 创建一个紧凑的“平铺”式列表
一维列联表

> #使用table()函数生成简单的频数统计表示例如下
> mytable <- table(Arthritis$Improved)
> mytable

  None   Some Marked 
    42     14     28 
> #使用prop.table()将这些频数转化为比例值
> #注意一维列联表不用指定margins(行或者列)
> prop.table(mytable)

     None      Some    Marked 
0.5000000 0.1666667 0.3333333 
> #使用prop.table()*100转化为百分比话
> prop.table(mytable)*100

    None     Some   Marked 
50.00000 16.66667 33.33333

二维列联表
对于二维列联表，table()函数的使用格式为
mytable <- table(A,B)
其中A是行变量,B是列变量
xlabs()函数还可以使用公式风格的输入创建列联表。其格式为
mytable <- xtabs(~A + B,data=mydata)
mydata是一个矩阵或数据框，要进行交叉分类的变量应出现在公式的右侧，做某个变量写在公式的右侧，则其为一个频数向量（这句没有明白啥意思）

> #例子
> mytable <- xtabs(~Treatment + Improved, data=Arthritis)
> mytable
         Improved
Treatment None Some Marked
  Placebo   29    7      7
  Treated   13    7     21
> #使用margin.table()函数生成边际频数
> #行汇总
> margin.table(mytable,margin = 1)
Treatment
Placebo Treated 
     43      41 
> #列汇总
> margin.table(mytable,margin = 2)
Improved
  None   Some Marked 
    42     14     28 
> #对于margin.table当不指定margin时，它会得到表格中所有数值总和
> margin.table(mytable)
[1] 84
> #使用prop.table()函数生成比例
> #行比例
> prop.table(mytable,margin = 1)
         Improved
Treatment      None      Some    Marked
  Placebo 0.6744186 0.1627907 0.1627907
  Treated 0.3170732 0.1707317 0.5121951
> #列比例
> prop.table(mytable,margin = 2)
         Improved
Treatment      None      Some    Marked
  Placebo 0.6904762 0.5000000 0.2500000
  Treated 0.3095238 0.5000000 0.7500000
> #对于prop.table当不指定margin时，它会得到表格中所有数值总和的占比
> prop.table(mytable)
         Improved
Treatment       None       Some     Marked
  Placebo 0.34523810 0.08333333 0.08333333
  Treated 0.15476190 0.08333333 0.25000000
> #使用addmargins()函数为表格添加边际和,在默认情况下是为表中所有的变量创建边际和，但是也可以指定只生成列或者行边际和
> addmargins(mytable)
         Improved
Treatment None Some Marked Sum
  Placebo   29    7      7  43
  Treated   13    7     21  41
  Sum       42   14     28  84
> #也可以只生成行或者列的边际和
> #当指定参数为1时生成列的边际和，指定为2时才生成行的边际行，与正常的1代表行2代表列相反
> #生成列边际和
> addmargins(mytable,1)
         Improved
Treatment None Some Marked
  Placebo   29    7      7
  Treated   13    7     21
  Sum       42   14     28
> #生成行边际和
> addmargins(mytable,2)
         Improved
Treatment None Some Marked Sum
  Placebo   29    7      7  43
  Treated   13    7     21  41
> #addmargins与prop.table()联合使用
> addmargins(prop.table(mytable,1),2)
         Improved
Treatment      None      Some    Marked       Sum
  Placebo 0.6744186 0.1627907 0.1627907 1.0000000
  Treated 0.3170732 0.1707317 0.5121951 1.0000000
> addmargins(prop.table(mytable,2),1)
         Improved
Treatment      None      Some    Marked
  Placebo 0.6904762 0.5000000 0.2500000
  Treated 0.3095238 0.5000000 0.7500000
  Sum     1.0000000 1.0000000 1.0000000
> #addmargins()函数不仅仅只能生成边际和，也可以使用参数FUN指定地生成想要的其他结果比如平均值，方差等
> #生成边际平均值
> addmargins(mytable,FUN=mean)
Margins computed over dimensions
in the following order:
1: Treatment
2: Improved
         Improved
Treatment     None     Some   Marked     mean
  Placebo 29.00000  7.00000  7.00000 14.33333
  Treated 13.00000  7.00000 21.00000 13.66667
  mean    21.00000  7.00000 14.00000 14.00000
> #生成边际标准差
> addmargins(mytable,FUN=sd)
Margins computed over dimensions
in the following order:
1: Treatment
2: Improved
         Improved
Treatment      None      Some    Marked        sd
  Placebo 29.000000  7.000000  7.000000 12.701706
  Treated 13.000000  7.000000 21.000000  7.023769
  sd      11.313708  0.000000  9.899495  6.164414
>

使用gmodels包中的CrossTable()函数创建二维列联表
使用CrossTable不仅生成二维列联表，表中还会显示行列单元格的百分比，行列的边际和等,还可以通过参数指定生成各种列联表可以生成的值

> library(gmodels)
Warning message:
程辑包‘gmodels’是用R版本3.6.1 来建造的 
> CrossTable(Arthritis$Treatment,Arthritis$Improved)

 
   Cell Contents
|-------------------------|
|                       N |
| Chi-square contribution |
|           N / Row Total |
|           N / Col Total |
|         N / Table Total |
|-------------------------|

 
Total Observations in Table:  84 

 
                    | Arthritis$Improved 
Arthritis$Treatment |      None |      Some |    Marked | Row Total | 
--------------------|-----------|-----------|-----------|-----------|
            Placebo |        29 |         7 |         7 |        43 | 
                    |     2.616 |     0.004 |     3.752 |           | 
                    |     0.674 |     0.163 |     0.163 |     0.512 | 
                    |     0.690 |     0.500 |     0.250 |           | 
                    |     0.345 |     0.083 |     0.083 |           | 
--------------------|-----------|-----------|-----------|-----------|
            Treated |        13 |         7 |        21 |        41 | 
                    |     2.744 |     0.004 |     3.935 |           | 
                    |     0.317 |     0.171 |     0.512 |     0.488 | 
                    |     0.310 |     0.500 |     0.750 |           | 
                    |     0.155 |     0.083 |     0.250 |           | 
--------------------|-----------|-----------|-----------|-----------|
       Column Total |        42 |        14 |        28 |        84 | 
                    |     0.500 |     0.167 |     0.333 |           | 
--------------------|-----------|-----------|-----------|-----------|

 
>

多维列联表
table()和xtabs都可以基于三个或更多的类别型变量生成多维列联表
margin.table(),prop.table()和addmargin()函数可以自然地推广到高于二维的情况
ftable()函数可以以一种紧凑而吸引人的方式输出多维列联表

> mytable <- xtabs(~Treatment + Sex + Improved, data=Arthritis)
> mytable
, , Improved = None

         Sex
Treatment Female Male
  Placebo     19   10
  Treated      6    7

, , Improved = Some

         Sex
Treatment Female Male
  Placebo      7    0
  Treated      5    2

, , Improved = Marked

         Sex
Treatment Female Male
  Placebo      6    1
  Treated     16    5

> #使用ftable()函数生成紧凑的多维列表
> ftable(mytable)
                 Improved None Some Marked
Treatment Sex                             
Placebo   Female            19    7      6
          Male              10    0      1
Treated   Female             6    5     16
          Male               7    2      5
> #由于使用公式~Treatement+Sex+Improve创建了这个表，所有Treatment 需要通过下标1来引用,sex通过下标2来引用，Improve通过下标3来引用
> #边际频数
> #生成的边际频数指定的1,2,3所出的结果和xtabs中这三列出现的位置一致，指定1就是第一个出现的Treatment的频数
> margin.table(mytable)
[1] 84
> margin.table(mytable,1)
Treatment
Placebo Treated 
     43      41 
> margin.table(mytable,2)
Sex
Female   Male 
    59     25 
> margin.table(mytable,3)
Improved
  None   Some Marked 
    42     14     28 
> margin.table(mytable,c(1,2))
         Sex
Treatment Female Male
  Placebo     32   11
  Treated     27   14
> ftable(prop.table(mytable,c(1,2)))
                 Improved       None       Some     Marked
Treatment Sex                                             
Placebo   Female          0.59375000 0.21875000 0.18750000
          Male            0.90909091 0.00000000 0.09090909
Treated   Female          0.22222222 0.18518519 0.59259259
          Male            0.50000000 0.14285714 0.35714286
> ftable(prop.table(mytable,c(1,3)))
                 Improved      None      Some    Marked
Treatment Sex                                          
Placebo   Female          0.6551724 1.0000000 0.8571429
          Male            0.3448276 0.0000000 0.1428571
Treated   Female          0.4615385 0.7142857 0.7619048
          Male            0.5384615 0.2857143 0.2380952
>

2，独立性检验
R提供了多种检验类别型变量独立性的方法。本节描述的三种检验分别为卡方独立性检验，Fisher精确检验和Cochran-Mantel-Haenszel检验
2.1卡方独立性检验
使用chisq.test()函数对二维表的行变量和列变量进行卡方独立性检验。
例子

> library(vcd)
载入需要的程辑包：grid
Warning message:
程辑包‘vcd’是用R版本3.6.1 来建造的 
> mytable <- xtabs(~Treatment+Improved,data=Arthritis)
> #这里的P值表示从总体中抽取额样本行变量和列变量是相互独立的概率
> chisq.test(mytable)

	Pearson's Chi-squared test

data:  mytable
X-squared = 13.055, df = 2, p-value = 0.001463

> #患者的治疗和改善的水平存在存在着某种关系（p < 0.01)
> mytable <- xtabs(~Improved + Sex, data = Arthritis)
> chisq.test(mytable)

	Pearson's Chi-squared test

data:  mytable
X-squared = 4.8407, df = 2, p-value = 0.08889

2.2Fisher精确检验
在样本较小时，需要使用Fisher精确检验来完成独立性实验。
使用fisher.test()函数进行Fisher精确检验。Fisher精确检验的原假设是：边界固定的列联表中行和列是相互独立的。
需要注意的是fisher.test()函数不能用于2*2的列联表
例子

> mytable <- xtabs(~Treatment+Improved,data=Arthritis)
> fisher.test(mytable)

	Fisher's Exact Test for Count Data

data:  mytable
p-value = 0.001393
alternative hypothesis: two.sided

>

2.3 Cochran-Mantel-Haenszel检验
mantelhaen.test()函数可以用来进行Cochran-Mantel-Haenszel卡方检验，
其原假设是，两个名义变量在第三个变量的每一层中都是条件独立的
例子

> #检验治疗情况和改善情况在性别的每一水平下是否独立。此假设不存在三阶交互作用
> mytable <- xtabs(~Treatment +Improved+ Sex , data=Arthritis)
> mantelhaen.test(mytable)

	Cochran-Mantel-Haenszel test

data:  mytable
Cochran-Mantel-Haenszel M^2 = 14.632, df = 2, p-value = 0.0006647

结果表明，患者接受的治疗与得到的改善在性别的每一水平下并不独立

2.4，相关性的度量
vcd包中的assocstats()函数可以用来计算二维列联表的phi系数，列联系数和Cramer’sV系数

library(vcd)
> mytable <- xtabs(~Treatment+Improved,data=Arthritis)
> assocstats(mytable)
                    X^2 df  P(> X^2)
Likelihood Ratio 13.530  2 0.0011536
Pearson          13.055  2 0.0014626

Phi-Coefficient   : NA 
Contingency Coeff.: 0.367 
Cramer's V        : 0.394 
> mytable
         Improved
Treatment None Some Marked
  Placebo   29    7      7
  Treated   13    7     21

小节总结：
对于分类变量使用table()函数为频数表和列联表，
xtabs()函数和table()函数功能相同只是格式不同，
prop.table()对表格进行分数化处理，
margin.table()对表格进行汇总计算列或者行或者所有数值的和，
addmargins()像表格添加汇总项一般是各行或列的和也可以是均值等其他汇总方式。
ftable()函数使得创建一个紧凑的平铺式的列表。
对于表格进行独立性检验可以使用函数chisq.test()，fisher.test()，mantelhaen.test()，三种函数进行独立性检验。
当检验两个分类变量不独立时可以进行计算其相关性。vcd包中的assocstats()函数可以计算相关性

小白15138
关注
  • 3
    点赞
  • 踩
  • 27
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
R生成频数表
Mrrunsen的博客
12-18 4341
R中提供了用于创建频数表和列联表的若干种方法。 可以使用table()函数生成简单的频数统计表。示例如下： > mytable <- with(Arthritis, table(Improved)) > mytable Improved None Some Marked 42 14 28 可以用prop.table()将这些频数转化为比例值： > prop.table(mytable) Improved None Some Marked 0.500 0.16
R语言与统计基础 二 频数表与列联表
我爱小小
11-24 5231
分析数据时，需要通过一些工具，把数据转换成，我们能直观理解处理的数据，频数表和列联表比较容易理解； 生成频数表方法 函数 描述 table 使用N个类别型变量（因子）创建一个N维列联表，向量是列变量 xtabs 根据公式和一个矩阵或数据框创建一个N维列联表,类似excel公式处理 prop.tables 依margins 定义的边际列表将表中条目表示为分数形...
table()函数--R语言
chongbaikaishi的博客
04-09 4万+
函数功能： table uses the cross-classifying factors to build a contingency table of the counts at each combination of factor levels. table函数构建列联表，统计每个因子的频数 函数语法： table(..., exclude = if (useNA == "no") c(NA, NaN), useNA = c("no", "ifany", "always"
韦恩图-VennDiagram
ziixiaoshenwang的博客
01-31 3015
library(VennDiagram) 载入需要的程辑包：grid 载入需要的程辑包：futile.logger listA <- read.csv(“genes_list_A.txt”,header = F) listB<- read.csv(“genes_list_B.txt”,header = F) listC<- read.csv(“genes_list_C.txt”,header = F) listD<- read.csv(“genes_list_D.txt”,hea..
R语言入门：table()函数的用法
最新发布
泥木的博客
04-10 1601
因为需要最近在学R语言，写一个笔记，方便查阅~
rc列联表_R语言入门之频率表和列联表
weixin_39747615的博客
12-21 1895
在这一期我们将要学习如何针对分类变量数据创建频率表和列联表，并且在此基础之上进行独立性检验、关联度测量以及相关数据的可视化。创建频率表和列联表R语言提供了许多方法来创建频率表和列联表，在这里我们主要介绍三种常用的函数，它们虽有各自的特点，但大同小异，大家在学习中能细细体会出来。1. 函数table()#首先自己创建训练数据(这里的数据是随手编写的，不具有科学性)#所有的数据都是分类变量(这里选择的...
R语言列联表
01-20
以下是对R语言中创建和分析列联表常用函数的详细解释： 1. `table()` 函数是最基础的列联表生成函数，它接受一个或多个因子变量（分类变量）作为输入，创建一个二维或多维的列联表。例如，`table(Arthritis$...
R语言学习系列24_频率表和列联表.docx
09-18
本文详细介绍了如何使用R语言处理一维和二维列联表，包括频数统计、比例值计算以及相对频数指标等知识点。通过对这些知识点的学习和应用，可以更好地理解和分析分类变量之间的关系。这些技能在实际数据分析工作中...
第十一章 列联表分析
08-21
通过对1000人的调查，数据被整理成一个2x2的列联表，其中列出了男性和女性在是否色盲上的分布情况。 列联表如下： | | 男性 | 女性 | |------------|-------------|------------| | 正常 | 442 | 514 | | 色盲 | 38...
R语言之描述性统计分析实战视频课程
06-09
R中的`table()`函数可以创建列联表，用于展示不同类别之间的频数分布。对于列联表的分析，可以使用`chisq.test()`或`fisher.test()`进行卡方检验，以判断两类变量之间是否存在关联。此外，`prop.test()`可以进行比例...
R语言基本统计分析案例及代码
05-04
本案例主要探讨了如何使用R语言进行描述性统计分析、频数表和列联表的创建以及独立性检验。 首先，描述性统计分析是理解数据集的基本手段。在R中，可以使用`summary()`函数对数据进行基础统计摘要，它提供了平均值...
R语言中基本图形的绘制
一蓑烟雨任平生
11-17 2639
条形图 简单的垂直条形图和水平条形图 函数barplot() &gt; library(vcd) 载入需要的程辑包：grid &gt; counts &lt;- table(Arthritis$Improved) &gt; counts None Some Marked 42 14 28 &gt; barplot(counts,main = "Simp...
R语言中的函数22：table(),xtabs(),prop.table(),margin.table(),addmargins(),ftable()
辉的博客
11-21 4192
R语言中对多个因子可以汇总成一个列联表。
R之生成频数表
王文强的博客
12-26 1万+
# ，我们将着眼于类别型变量的频数表和列联表，以及相应的独立性检验、相关性的 # 度量、图形化展示结果的方法。我们除了使用基础安装中的函数，还将连带使用vcd包和gmodels # # 包中的函数。 # 本节中的数据来自vcd包中的Arthritis数据集。这份数据来自Kock & Edward （1988），表 # 示了一项风湿性关节炎新疗法的双盲临床实验的结果。 library(vcd) li
R语言，添加为数据框添加新的列
热门推荐
weixin_42712867的博客
07-04 14万+
添加变量的三种方式 首先创建一个数据框 > a <- c(1,3,5) > b <- c(2,4,6) > frame <- date.frame(a,b) > frame a b 1 1 2 2 3 4 3 5 6 新增变量方法一，通过赋值的方式进行新增变量 frame$sum <- frame$a + frame$b 新增变量方法二，首...
R语言数据集的基本操作（合并，添加行列，提取子集等）
weixin_42712867的博客
07-08 4万+
#数据集的基本操作（合并，添加行列，提取子集等） #数据集的横向合并 #1，使用merge()函数合并数据集 merge(x,y,by,...) #数据集通过一个或多个共有变量进行联结 #例子,将data.frameA和data.frameB按照ID进行合并 total <- merge(data.frameA,data.frameB, by="ID") #如果两个数据的共有变量名称不一样时...
R语言描述性统计函数总结
weixin_42712867的博客
08-01 3万+
描述性统计 1， 使用summary()函数来获取描述性统计量 summary()函数提供了最大值，最小值，四分位数和数值型变量的均值以及因子向量和逻辑向量的频数统计 例子 myvars <- c("mpg","hp","wt") summary(mtcars[myvars]) mpg hp wt Min. ...
R语言数据排序
weixin_42712867的博客
07-08 2万+
#数据排序 #在R中，可以使用Order()函数对一个数据框进行排序。默认的排序顺序是升序。 #在排序变量的前面加一个减号即可得到降序的排序结果 #例子 #order()函数返回的是被排序的列从小到大的依次的位置 order(leadership$age) newdata <- leadership[order(leadership$age),] newdata #降序 newdata &l...
评论 1
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