文章详情

短信预约-IT技能 免费直播动态提醒

请输入下面的图形验证码

提交验证

短信预约提醒成功

R语言中有哪些统计分析方法

2023-06-14 18:25

关注

这篇文章将为大家详细讲解有关R语言中有哪些统计分析方法,文章内容质量较高,因此小编分享给大家做个参考,希望大家阅读完这篇文章后对相关知识有一定的了解。

什么是R语言

R语言是用于统计分析、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,它是一个用于统计计算和统计制图的优秀工具。

1、分组分析aggregation

根据分组字段,将分析对象划分为不同的部分,以进行对比分析各组之间差异性的一种分析方法。

常用统计指标:

计数 length

求和 sum

平均值 mean

标准差 var

方差 sd

分组统计函数

aggregate(分组表达式,data=需要分组的数据框,function=统计函数)

参数说明

formula:分组表达式,格式:统计列~分组列1+分组列2+...

data=需要分组的数据框

function:统计函数

aggregate(name ~ class, data=data, FUN=length);#求和aggregate(score ~ class, data=data, FUN=sum);#均值aggregate(score ~ class, data=data, FUN=mean);#方差aggregate(score ~ class, data=data, FUN=var);#标准差aggregate(score ~ class, data=data, FUN=sd)

2、分布分析cut

根据分析目的,将数据(定量数据)进行等距或者不等距的分组,进行研究各组分布规律的一种分析方法。

分组函数

cut(data,breaks,labels,right)

参数说明

data=需要分组的一列数据

breaks=分组条件,如果是一个数字,那么将平均分组;如果是一个数组,那么将按照指定范围分组

labels:分组标签

right:指定范围是否右闭合,默认为右闭合,right参数为TRUE

用户明细 <- read.csv('data.csv', stringsAsFactors=FALSE)head(用户明细) breaks <- c(min(用户明细$年龄)-1, 20, 30, 40, max(用户明细$年龄)+1) 年龄分组 <- cut(用户明细$年龄, breaks = breaks)用户明细[, '年龄分组1'] <- 年龄分组 年龄分组 <- cut(用户明细$年龄, breaks = breaks, right = FALSE)用户明细[, '年龄分组2'] <- 年龄分组 labels <- c('20岁以及以下', '21岁到30岁', '31岁到40岁', '41岁以上');年龄分组 <- cut(用户明细$年龄, breaks = breaks, labels = labels)用户明细[, '年龄分组'] <- 年龄分组 head(用户明细) aggregate(formula=用户ID ~ 年龄分组, data=用户明细, FUN=length)

3、交叉分析tapply(相当于excel里的数据透视表)

通常用于分析两个或两个以上,分组变量之间的关系,以交叉表形式进行变量间关系的对比分析;

交叉分析的原理就是从数据的不同维度,综合进行分组细分,以进一步了解数据的构成、分布特征。

交叉分析函数:

tapply(统计向量,list(数据透视表中的行,数据透视变中的列),FUN=统计函数)

返回值说明:

一个table类型的统计量

breaks <- c(min(用户明细$年龄)-1, 20, 30, 40, max(用户明细$年龄)+1)

labels <- c('20岁以及以下', '21岁到30岁', '31岁到40岁', '41岁以上');年龄分组 <- cut(用户明细$年龄, breaks = breaks, labels = labels)用户明细[, '年龄分组'] <- 年龄分组 head(用户明细) tapply(用户明细$用户ID, list(用户明细$年龄分组, 用户明细$性别), FUN=length)

4、结构分析prop.table

是在分组的基础上,计算各组成部分所占的比重,进而分析总体内部特征的一种分析方法。

for example:资产占有率就是一个非常经典的运用

统计占比函数

prop.table(table,margin=NULL)

参数说明:

table,使用tapply函数统计得到的分组计数或求和结果

margin,占比统计方式,具体参数如下:

属性 注释

1 按行统计占比

2 按列统计占比

NULL 按整体统计占比

data <- read.csv('data.csv', stringsAsFactors=FALSE);
head(data) t <- tapply(data$月消费.元., list(data$通信品牌), sum)tprop.table(t); t <- tapply(data$月消费.元., list(data$通信品牌), mean)tprop.table(t); t <- tapply(data$月消费.元., list(data$省份, data$通信品牌), sum)tprop.table(t, margin = 2)

5、相关分析prop.table

是研究现象之间是否存在某种依存关系,并对具体有依存关系的现象探讨其相关方向以及相关程度,是研究随机变量之间的相关关系的一种统计方法。

相关系数r 可以用来描述定量变量之间的关系

相关分析函数:

cor(向量1,向量2,...)返回值:table类型的统计量

data <- read.csv('data.csv', fileEncoding = "UTF-8"); cor(data[, 2:7])

补充:R中基本统计分析方法整理

面对一大堆的数据,往往会让人眼花缭乱。但是只要使用一些简单图形和运算,就可以了解数据更多的特征。R提供了很多关于数据描述的函数,通过这些函数可以对数据进行一个简单地初步分析。

获取描述性统计量的R函数

(1)常用统计函数(参数x为向量)

mean(x):平均值

median(x):中位数

sd(x):标准差

var(x):方差

sum(x):求和

min(x):最小值

max(x):最大值

range(x):值域

......等等

(2)summary()函数

提供最小值、下四分位数、中位数、平均值、上四分位数、最大值。

R语言中有哪些统计分析方法

(3)apply()或sapply函数

计算参数指定的任意描述性统计量。

其中sapply()用法:sapply(x,FUNC,options) ,x是待处理的数据框,FUNC是用户指定的函数,如sum()、max()、mean()等等,指定了的options会传递给FUNC。

R语言中有哪些统计分析方法

(4) Hmisc包中的describe()函数

返回变量和观测值的数目、缺失值和唯一值的数目、平均值、分位数、五个最大的值和五个最小的值。

R语言中有哪些统计分析方法

(5)pastecs包中的stat.desc()函数

可以计算种类繁多的描述性统计量

R语言中有哪些统计分析方法

(6)psych包也提供了一个describe()函数

它可以计算非缺失值的数量、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、峰度等。

R语言中有哪些统计分析方法

关于R语言中有哪些统计分析方法就分享到这里了,希望以上内容可以对大家有一定的帮助,可以学到更多知识。如果觉得文章不错,可以把它分享出去让更多的人看到。

阅读原文内容投诉

免责声明:

① 本站未注明“稿件来源”的信息均来自网络整理。其文字、图片和音视频稿件的所属权归原作者所有。本站收集整理出于非商业性的教育和科研之目的,并不意味着本站赞同其观点或证实其内容的真实性。仅作为临时的测试数据,供内部测试之用。本站并未授权任何人以任何方式主动获取本站任何信息。

② 本站未注明“稿件来源”的临时测试数据将在测试完成后最终做删除处理。有问题或投稿请发送至: 邮箱/279061341@qq.com QQ/279061341

软考中级精品资料免费领

  • 历年真题答案解析
  • 备考技巧名师总结
  • 高频考点精准押题
  • 2024年上半年信息系统项目管理师第二批次真题及答案解析(完整版)

    难度     813人已做
    查看
  • 【考后总结】2024年5月26日信息系统项目管理师第2批次考情分析

    难度     354人已做
    查看
  • 【考后总结】2024年5月25日信息系统项目管理师第1批次考情分析

    难度     318人已做
    查看
  • 2024年上半年软考高项第一、二批次真题考点汇总(完整版)

    难度     435人已做
    查看
  • 2024年上半年系统架构设计师考试综合知识真题

    难度     224人已做
    查看

相关文章

发现更多好内容

猜你喜欢

AI推送时光机
位置:首页-资讯-后端开发
咦!没有更多了?去看看其它编程学习网 内容吧
首页课程
资料下载
问答资讯