tidyr
> tdata <- data.frame(names=rownames(tdata),tdata)行名作为第一列
> gather(tdata,key="Key",value="Value",cyl:disp,mpg)创key列和value列,cyl和disp放在一列中
-号减去不需要转换的列
> spread(gdata,key="Key",value="Value")
根据value将key打散开 与unite函数对立
separate(df,col=x,into=c("A","B"))将数据框的列分割
unite(x,col="AB",A,B,sep='.')
dplyr
> dplyr::filter(iris,Sepal.Length>7)条件过滤
> dplyr::distinct(rbind(iris[1:10,],iris[1:15,]))去除重复行
> dplyr::slice(iris,10:15)切片
> dplyr::sample_n(iris,10)随机10行
> dplyr::sample_frac(iris,0.1)按比例随机选取
> dplyr::arrange(iris,Sepal.Length)排序
dplyr::arrange(iris,desc(Sepal.Length))降序
> select(starwars,height)选取
> summarise(iris,avg=mean(Sepal.Length))
统计函数
%>%链式操作符,管道 ctrl+shift+m
> iris %>% group_by(Species)
> dplyr::group_by(iris,Species)
> iris %>% group_by(Species) %>% summarise(avg=mean(Sepal.Width)) %>% arrange(avg)
> dplyr::mutate(iris,new= Sepal.Length+Petal.Length)相加总和
> dplyr::left_join(a,b,by="x1")
> dplyr::right_join(a,b,by="x1")
> dplyr::full_join(a,b,by="x1")
> dplyr::semi_join(a,b,by="x1")交集部分
> dplyr::anti_join(a,b,by="x1")补集部分
> intersect(first,second)交集
> dplyr::union_all(first,second)并集
> dplyr::union(first,second)非冗余并集
> setdiff(first,second)补集
heatmap输入矩阵
lm输入数据框
plot向量和向量-散点图,向量和因子-条形图
cbind,rbind矩阵或数据框
sum,mean,sd,range,median,sort,order向量
main 字符串不能为向量
na.rm true和false
axis side参数1到4
fig 包含四个元素向量
> plot(c(1:20),c(seq(1,89,length.out=20)),type="l",lty=1)实线
> plot(c(1:20),c(seq(1,89,length.out=20)),type="l",lty=2)虚线
数学统计
> x <- rnorm(n=100,mean=15,sd=2)生成100个平均数为15方差为2的随机数
> qqnorm(x)
set.seed(666) runif(50)绑定随机数
dgama(c(1:9),shape=2,rate=1)生成密度gama分布;随机数
描述性统计
summary()
fivenum()
Hmisc describe()
pastecs stat.desc() basic=T norm=T
psych describe() trim=0.1去除最低最高10%
> aggregate(Cars93[c("Min.Price","Price","Max.Price"," MPG.city")],by=list(Manufacturer=Cars93$Manufacturer),mean)字符串型 返回一个统计函数
doBy > summaryBy(mpg+hp+wt~am,data=myvars,FUN = mean)
psych describe.by(myvars,list(am=mtcars$am))分组统计
describeBy(myvars,list(am=mtcars$am))详细信息
统计函数 二元类元表
> table(cut(mtcars$mpg,c(seq(10,50,10))))频数统计
> prop.table(table(mtcars$cyl))频数占比
> table(Arthritis$Treatment,Arthritis$Improved)
> with(data=Arthritis,(table(Treatment,Improved)))省略数据集的名字
> xtabs(~Treatment+Improved,data=Arthritis)根据类别统计频数
> margin.table(x,1/2)总和
> addmargins(x)将总和添加到原表中
> ftable(y)评估式类元表
独立性检验
原假设:不变 备择假设:变化
P值越小越能实现
> mytable <- table(Arthritis$Treatment,Arthritis$Improved)
> chisq.test(mytable)卡方独立性检验
> fisher.test(mytable)精确独立检验
> mantelhaen.test(mytable)
> mytable <- xtabs(~Treatment+Sex+Improved,data=Arthritis)
> mantelhaen.test(mytable)
相关性检验
> cor(state.x77) > cor(x,y)
> cov(state.x77)
偏相关
ggm
> pcor(c(1,5,2,3,6),cov(state.x77))
> cor.test(state.x77[,3],state.x77[,5])
psych
> corr.test(state.x77)
> x <- pcor(c(1,5,2,3,6),cov(state.x77))
> pcor.test(x,3,50)
MASS
> t.test(Prob~So,data=UScrime)
绘图函数
散点图 x、y
直方图 因子
热力图 数据矩阵
象限图 因子、向量
> plot(women$height~women$weight)关联图
> fit <- lm(height~weight,data=women)
> plot(fit)
S3 par/plot/summary
> plot(as.factor(mtcars$cyl),col=c("red","yellow","blue"))
偏度是统计数据分布偏斜方向程度的度量,统计数据分布非对称程度数字特征、峰度是表征概率密度分布曲线在平均值处峰值高低的特征数
> mystats <- function(x,na.omit=FALSE){
+ if(na.omit)
+ x <- x[!is.na(x)]
+ m <- mean(x)
+ n <- length(x)
+ s <- sd(x)
+ skew <- sum((x-m^3/s^3))/n
+ kurt <- sum((x-m^4/s^4))/n-3
+ return(c(n=m,mean=m,stdev=s,skew=skew,kurtosis=kurt))
+ }
> i=1;while (i<=10){print("Hello,World");i=i+2;}
for(i in 1:10){print("Hello,World")}
> ifelse(score>60,print("PASS"),print("FAIL")
线性回归
> fit <- lm(weight~height,data=women)
> summary(fit)
> coefficients(fit)
> confint(fit,level=)置信区间,默认95%
> fitted(fit)拟合模型预测值
源数据-预测值=残差residuals()
> predict(fit,women1)根据结果对新数据进行预测
残差拟合图,正态分布图,大小位列图,残差影响图
plot(women$height,women$weight)
abline拟合曲线
> fit2 <- lm(weight~height+I(height^2),data=women)增加二次项
> lines(women$height,fitted(fit2),col="red")
将点连成线,根据拟合曲线
Pr(>|t|)估计系数为0假设的概率,小于0.05
Residual standard error残差越小越好
Multiple R-squared拟合值越大越好,解释数据量
F-statistic模型是否显著,越小越好
AIC比较回归值拟合度结果
MASS
stepAIC逐步回归法
leaps
regsubsets全子集回归法
> par(mfrow=c(2,2)) plot四幅图显示在同个画面
抽样验证法
500个数据进行回归分析,predict对剩下500个预测,比较残差值
单因素方差分析
> library(multcomp)
> attach(cholesterol)
> table(trt)
> aggregate(response,by=list(trt),FUN=mean) 分组统计平均值查看效果最好因子
> fit <- aov(response~ trt,data=cholesterol) 方差分析
> summary(fit) 看统计结果,方差结果看F值 越大组间差异越显著、P值衡量F值越小越可靠
协方差
> attach(litter)
> aggregate(weight,by=list(dose),FUN=mean)
> fit <- aov(weight~gesttime+dose,data=litter)
> summary(fit)
双因素方差分析
> attach(ToothGrowth)
> xtabs(~supp+dose)统计频率
> aggregate(len,by=list(supp,dose),FUN=mean)剂量越小两者差别越明显
> ToothGrowth$dose <- factor(ToothGrowth$dose)
> fit <- aov(len ~ supp*dose,data=ToothGrowth)
> summary(fit)
HH
> interaction.plot(dose,supp,len,type="b",
col=c("red","blue"),pch=c(16,18),
main = "Interaction between Dose and Supplement Type")
多元方差分析
> library(MASS)
> attach(UScereal)
> shelf <- factor(shelf)
> aggregate(cbind(calories,fat,sugars),by=list(shelf),FUN=mean)
> summary.aov(fit)每组测量值不同,差异结果显著
功效分析
> pwr.f2.test(u=3,sig.level=0.05,power=0.9,f2=0.0769)假设显著性水平为0.05,在90%置信水平下至少需要184个样本
pwr.anova.test(k=2,f=0.25,sig.level=0.05,power=0.9) 2组效率为0.25显著性水平为0.05,功效水平为90,结果为86*2
> data(breslow.dat,package = "robust")
> summary(breslow.dat)
> attach(breslow.dat)
fit <- glm(sumY~Base + Trt +Age,data=breslow.dat,family=poisson(link="log")) 广义线性模型拟合泊松回归 响应变量
逻辑回归
> data(Affairs,package="AER")
> summary(Affairs)
> table(Affairs$affairs)
> prop.table(table(Affairs$affairs))
> prop.table(table(Affairs$gender))
> Affairs$ynaffair[Affairs$affairs>0] <- 1
> Affairs$ynaffair[Affairs$affairs==0] <- 0
> Affairs$ynaffair <- factor(Affairs$ynaffair,levels=c(0,1),labels=c("No","Yes"))
> table(Affairs$ynaffair)
> attach(Affairs )
> fit <- glm(ynaffair~gender+age+yearsmarried+children+religiousness+education+occupation+rating,data=Affairs,family=binomial())
> summary(fit)
> fit1 <- glm(ynaffair~age+yearsmarried+religiousness+rating,data=Affairs,family=binomial())
> summary(fit1)
> anova(fit,fit1,test="Chisq")
主成分分析
> library(psych)
> fa.parallel(USJudgeRatings,fa="pc",n.iter=100)直线与X符号生成值大于一和100次模拟的平行分析
CPU
> pc <- principal(USJudgeRatings,nfactors=1,rotate="none",scores=FALSE)/scores=T pc1包含成分整合,观测变量与主成分的相关系数,h2指成分公因子的方差,主成分对每个变量的方差解释度,u2指方差无法被主成分解释的比例,SSloadings特定主成分相关联的标准化后的方差值,proportion var每个主成分对相关值的解释程度
因子分析
> library(psych)
> options(digits=2)
> covariances <- ability.cov$cov
> correlations <- cov2cor(covariances)
> fa.parallel(correlations,fa="both",n.obs=112,n.iter=100)
> fa.varimax <- fa(correlations,nfactors=2,rotate="varimax",fm="pa")
> fa.promax <- fa(correlations,nfactors=2,rotate="promax",fm="pa")
factor.plot(fa.promax,labels=rownames(fa.promax$loadings))
fa.diagram(fa.varimax,simple=FALSE)
fa<-fa(correlations,nfactors=2,rotate="none",fm="pa",score=TRUE)
fa$weight
library(arules)
data(Groceries)
> fit <- apriori(Groceries,parameter=list(support=0.01,confidence=0.5))
> inspect(fit)
到此这篇关于R语言基础统计方法图文实例讲解的文章就介绍到这了,更多相关R语言基础统计方法内容请搜索编程网以前的文章或继续浏览下面的相关文章希望大家以后多多支持编程网!