R语言中的五种常用统计分析方法

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)
t
prop.table(t);
 
t <- tapply(data$月消费.元., list(data$通信品牌), mean)
t
prop.table(t);
 
t <- tapply(data$月消费.元., list(data$省份, data$通信品牌), sum)
t
prop.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。

8E088762-7284-EAE6-DC32-7C6C29E9996E.png

(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。

CC518010-49D6-ED0F-ADB7-DBC6129FE3C6.png

(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。

FB3940BB-B99E-7628-6E93-FC7A08DB4C25.png

(5)pastecs包中的stat.desc()函数

可以计算种类繁多的描述性统计量

19FD2B84-48F7-C63B-FF40-BB0D074D1037.png

(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。

962D35DC-7A2F-8A60-1AA6-335AA94B7FB1.png

收藏 (0)
评论列表
正在载入评论列表...
我是有底线的