R語言中的五種常用統(tǒng)計分析方法

第R語言中的五種常用統(tǒng)計分析方法1、分組分析aggregation

根據(jù)分組字段，將分析對象劃分為不同的部分，以進行對比分析各組之間差異性的一種分析方法。

常用統(tǒng)計指標：

計數(shù)length

求和sum

平均值mean

標準差var

方差sd

分組統(tǒng)計函數(shù)

aggregate(分組表達式，data=需要分組的數(shù)據(jù)框，function=統(tǒng)計函數(shù)）

參數(shù)說明

formula：分組表達式，格式：統(tǒng)計列~分組列1+分組列2+...

data=需要分組的數(shù)據(jù)框

function：統(tǒng)計函數(shù)

aggregate(name~class,data=data,FUN=length);

aggregate(score~class,data=data,FUN=sum);

aggregate(score~class,data=data,FUN=mean);

aggregate(score~class,data=data,FUN=var);

aggregate(score~class,data=data,FUN=sd)

2、分布分析cut

根據(jù)分析目的，將數(shù)據(jù)(定量數(shù)據(jù)）進行等距或者不等距的分組，進行研究各組分布規(guī)律的一種分析方法。

分組函數(shù)

cut(data,breaks,labels,right)

參數(shù)說明

data=需要分組的一列數(shù)據(jù)

breaks=分組條件，如果是一個數(shù)字，那么將平均分組；如果是一個數(shù)組，那么將按照指定范圍分組

labels：分組標簽

right：指定范圍是否右閉合，默認為右閉合，right參數(shù)為TRUE

用戶明細-read.csv(data.csv,stringsAsFactors=FALSE)

head(用戶明細)

breaks-c(min(用戶明細$年齡)-1,20,30,40,max(用戶明細$年齡)+1)

年齡分組-cut(用戶明細$年齡,breaks=breaks)

用戶明細[,年齡分組1]-年齡分組

年齡分組-cut(用戶明細$年齡,breaks=breaks,right=FALSE)

用戶明細[,年齡分組2]-年齡分組

labels-c(20歲以及以下,21歲到30歲,31歲到40歲,41歲以上

年齡分組-cut(用戶明細$年齡,breaks=breaks,labels=labels)

用戶明細[,年齡分組]-年齡分組

head(用戶明細)

aggregate(formula=用戶ID~年齡分組,data=用戶明細,FUN=length)

3、交叉分析tapply（相當于excel里的數(shù)據(jù)透視表）

通常用于分析兩個或兩個以上，分組變量之間的關(guān)系，以交叉表形式進行變量間關(guān)系的對比分析；

交叉分析的原理就是從數(shù)據(jù)的不同維度，綜合進行分組細分，以進一步了解數(shù)據(jù)的構(gòu)成、分布特征。

交叉分析函數(shù)：

tapply(統(tǒng)計向量，list(數(shù)據(jù)透視表中的行，數(shù)據(jù)透視變中的列),FUN=統(tǒng)計函數(shù))

返回值說明：

一個table類型的統(tǒng)計量

breaks-c(min(用戶明細$年齡)-1,20,30,40,max(用戶明細$年齡)+1)

labels-c(20歲以及以下,21歲到30歲,31歲到40歲,41歲以上

年齡分組-cut(用戶明細$年齡,breaks=breaks,labels=labels)

用戶明細[,年齡分組]-年齡分組

head(用戶明細)

tapply(用戶明細$用戶ID,list(用戶明細$年齡分組,用戶明細$性別),FUN=length)

4、結(jié)構(gòu)分析prop.table

是在分組的基礎(chǔ)上，計算各組成部分所占的比重，進而分析總體內(nèi)部特征的一種分析方法。

forexample：資產(chǎn)占有率就是一個非常經(jīng)典的運用

統(tǒng)計占比函數(shù)

prop.table(table,margin=NULL)

參數(shù)說明：

table,使用tapply函數(shù)統(tǒng)計得到的分組計數(shù)或求和結(jié)果

margin,占比統(tǒng)計方式，具體參數(shù)如下：

屬性注釋

1按行統(tǒng)計占比

2按列統(tǒng)計占比

NULL按整體統(tǒng)計占比

data-read.csv(data.csv,stringsAsFactors=FALSE);

head(data)

t-tapply(data$月消費.元.,list(data$通信品牌),sum)

prop.table(t);

t-tapply(data$月消費.元.,list(data$通信品牌),mean)

prop.table(t);

t-tapply(data$月消費.元.,list(data$省份,data$通信品牌),sum)

prop.table(t,margin=2)

5、相關(guān)分析prop.table

是研究現(xiàn)象之間是否存在某種依存關(guān)系，并對具體有依存關(guān)系的現(xiàn)象探討其相關(guān)方向以及相關(guān)程度，是研究隨機變量之間的相關(guān)關(guān)系的一種統(tǒng)計方法。

相關(guān)系數(shù)r可以用來描述定量變量之間的關(guān)系

相關(guān)分析函數(shù)：

cor(向量1,向量2,...)返回值：table類型的統(tǒng)計量

data-read.csv(data.csv,fileEncoding=UTF-8

cor(data[,2:7])

補充：R中基本統(tǒng)計分析方法整理

面對一大堆的數(shù)據(jù)，往往會讓人眼花繚亂。但是只要使用一些簡單圖形和運算，就可以了解數(shù)據(jù)更多的特征。R提供了很多關(guān)于數(shù)據(jù)描述的函數(shù)，通過這些函數(shù)可以對數(shù)據(jù)進行一個簡單地初步分析。

獲取描述性統(tǒng)計量的R函數(shù)

（1）常用統(tǒng)計函數(shù)(參數(shù)x為向量)

mean（x）：平均值

median（x）：中位數(shù)

sd（x）：標準差

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（）函數(shù)

提供最小值、下四分位數(shù)、中位數(shù)、平均值、上四分位數(shù)、最大值。

（3）apply（）或sapply函數(shù)

計算參數(shù)指定的任意描述性統(tǒng)計量。

其中sapply（）用法：sapply(x，F(xiàn)UNC，options)，x是待處理的數(shù)據(jù)框，F(xiàn)UNC是用戶指定的函數(shù)，如sum()、max()、mean()等等，指定了的options會傳遞給FUNC。

（4）Hmisc包中的describe（）函數(shù)

返回變量和觀測值的數(shù)目、缺失值和唯一值的數(shù)目、平均值、分位數(shù)、五個最大的值和五個最小的值。

（5）pastecs包中的stat.desc（）函數(shù)

可以計算種類