数据的探索性分析及R实现

最新推荐文章于 2025-10-01 00:00:41 发布

原创最新推荐文章于 2025-10-01 00:00:41 发布 · 1.8k 阅读

CC 4.0 BY-SA版权

一.读入数据

city=read.csv("2015city.csv")

二.描述性统计

样本量、均值、方差、标准差、中位数、最小值、最大值、上百分位数与下百分位数差、百分位数、极差、变异系数、偏度系数、峰度系数

data.outline=function(x)
  ## input ###################
  ## x = a vector ############
  ## output ##################
  ## the outline of data x ###
{  
   n  = length(x)

   m  = mean(x)
   v  = var(x)
   s  = sd(x)
   me = median(x)


   m1 = min(x)
   m2 = max(x)
   Q1 = quantile(x, 1/4)
   Q3 = quantile(x, 3/4)

   R  = m2-m1
   R1 = Q3-Q1

   cv   = s/m
   skew = sum((x-m)^3/s^3)/n
   kurt = sum((x-m)^4/s^4)/n-3

   return(list(size=n, Mean=m, Var=v, Std=s, Median=me, 
               Min=m1, Max=m2, Q1=Q1, Q3=Q3, R=R, R1=R1, 
               CV=cv, Skew=skew, kurtosis=kurt))
}

通过summary()计算描述性统计量
通过sapply()计算描述性统计量
使用aggregate()分组获取描述性统计量
使用doBy()包中的summaryBy()分组计算概述统计量

三.列联表

library(vcd)

一维列联表：

table(A) #用table()函数生成简单的频数统计表#
prop.table(A) #用prop.table()函数将这些频数转化为比例值#

二维列联表：

able(A,B) 
xtabs(~A+B,data=mydata) #其中A是行变量，B是列变量#

生成边际频数和比例：

margin.table(table3,1) #按行#
margin.table(table3,2) #按列#
prop.table(table3) #整个表#
prop.table(table3,1) #按行#
prop.table(table3,2) #按列#

为表格添加边际

addmargins(table3)
addmargins(prop.table(table3))

使用crosstable()生成二维列联表

library(vcd)
library(gmodels)
crosstable(mydata$A,mydata$B) #A为行变量，B为列变量#