R语言方法总结.docVIP

计算描述性统计量: 1、summary(): 例： summary(mtcars[vars]) summary()函数提供了最小值、最大值、四分位数和数值型变量的均值，以及因子向量和逻辑型向量的频数统计。 2、apply()函数或sapply()函数 计算所选择的任意描述性统计量。mean、 sd、 var、 min、 max、 median、 length、 range和quantile。函数fivenum()可返回图基五数总括（Tukey’s five-number summary，即最小值、下四分位数、中位数、上四分位数和最大值）。 sapply() 例： 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 = n, mean = m, stdev = s, skew = skew, kurtosis = kurt)) } sapply(mtcars[vars], mystats) 3、describe()： Hmisc包：返回变量和观测的数量、缺失值和唯一值???数目、平均值、分位数，以及五个最大的值和五个最小的值。 例： library(Hmisc) describe(mtcars[vars]) 4、stat.desc()：pastecs包 若basic=TRUE（默认值），则计算其中所有值、空值、缺失值的数量，以及最小值、最 大值、值域，还有总和。 若desc=TRUE（同样也是默认值），则计算中位数、平均数、平均数的标准误、平均数置信度为95%的置信区间、方差、标准差以及变异系数。 若norm=TRUE（不是默认的），则返回正态分布统计量，包括偏度和峰度（以及它们的统计显著程度）和Shapiro–Wilk正态检验结果。这里使用了p值来计算平均数的置信区间（默认置信度为0.95： 例： library(pastecs) stat.desc(mtcars[vars]) 5、describe()：psych包 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、峰度和平均值的标准误 例： library(psych) describe(mtcars[vars]) 分组计算描述性统计量 1、aggregate()： 例：aggregate(mtcars[vars], by = list(am = mtcars$am), mean) 2、by()： 例： dstats - function(x)(c(mean=mean(x), sd=sd(x))) by(mtcars[vars], mtcars$am, dstats) by(mtcars[,vars],mtcars$am,plyr::colwis(dstats)) 3、summaryBy()：doBy包 例 library(doBy) summaryBy(mpg + hp + wt ~ am, data = mtcars, FUN = mystats) 4、describe.by()：doBy包（describe.by()函数不允许指定任意函数，） 例：library(psych) describe.by(mtcars[vars], mtcars$am) 5、reshape包分组：（重铸和融合） 例：library(reshape) dstats - function(x) (c(n = length(x), mean = mean(x), sd = sd(x))) dfm - melt(mtcars, measure.vars = c(mpg, hp, wt), id.vars = c(am, cyl)) cast(dfm, am + cyl + variable ~ ., dstats) 频数表和列联表 1、table()：生成简单的频数统计表 mytable - with(Arthritis, table(Improved)) Mytable 2、prop.table()：频数转化为比例值 prop.table(mytable) 3、prop.ta