往期文章中，我們已經(jīng)學(xué)會了使用圖形探索數(shù)據(jù)，例如可以用條形圖了解類別變量的分布，用堆砌條形圖或分組條形圖比較不同類別的組間差異。同時(shí)，我們也學(xué)會了使用直方圖、密度圖、箱線圖以及點(diǎn)圖了解連續(xù)型變量的分布，比較組間差異。

而圖形探索數(shù)據(jù)之后，通常的做法是進(jìn)行描述性統(tǒng)計(jì)分析。

本期的R語言實(shí)現(xiàn)過程較為簡單，但重要的是理解各個(gè)統(tǒng)計(jì)量的意義，統(tǒng)計(jì)量數(shù)值的大小能說明什么問題？

大家看的愉快。

1

數(shù)據(jù)集

本期使用Motor Trend雜志的車輛路試（mtcars）數(shù)據(jù)集。我們關(guān)注的變量是每加侖汽油行駛的英里數(shù)（mpg）、馬力（hp）、車重（wt）。

#創(chuàng)建一個(gè)自己想調(diào)取的變量集
myvars <- c('mpg','hp','wt')
#查看所需數(shù)據(jù)集
head(mtcars[myvars])

|
| mpg | hp | wt |
| --- | --- | --- | --- |
| Mazda RX4 | 21.0 | 110 | 2.620 |
| Mazda RX4 Wag | 21.0 | 110 | 2.875 |
| Datsun 710 | 22.8 | 93 | 2.320 |
| Hornet 4 Drive | 21.4 | 110 | 3.215 |
| Hornet Sportabout | 18.7 | 175 | 3.440 |
| Valiant | 18.1 | 105 | 3.460 |

2

入門

我們首先從基礎(chǔ)安裝包入手，利用summary( )函數(shù)獲取統(tǒng)計(jì)量。

#創(chuàng)建一個(gè)自己想調(diào)取的變量集
myvars <- c('mpg','hp','wt')
#查看所需數(shù)據(jù)集
summary(mtcars[myvars])

summary( )函數(shù)提供了最小值、最大值、四分位數(shù)和數(shù)值型變量的均值，以及因子和邏輯型變量的頻數(shù)統(tǒng)計(jì)。我們也可以使用apply( )函數(shù)或sapply( )函數(shù)計(jì)算選擇的任意統(tǒng)計(jì)量。

他們的使用格式為：sapply( x, FUN, options)

其中 x 是你的數(shù)據(jù)框，F(xiàn)UN是任意函數(shù)。如果指定了options，他們將被傳遞給FUN。例如你可以在這里插入mean( ),sd( ),var( ),min( ),max( ),median( ),length( ),range( ),quantile( )。函數(shù)fivenum( )可以返回圖基五總數(shù)（最小值、下四分位數(shù)，中位數(shù)、上四分位數(shù)、最大值）。

#創(chuàng)建一個(gè)計(jì)算函數(shù)FUN
#將行刪除設(shè)為FALSE
mystats <- function(x,na.omit=F){
  #如果存在缺失值
  if(na.omit)
    #找一個(gè)不缺失數(shù)據(jù)填補(bǔ)那個(gè)缺失值
    x <- x(!is.na(x))
  #計(jì)算均值
  m <- mean(x)
  #計(jì)算變量長度
  n <- length(x)
  #計(jì)算標(biāo)準(zhǔn)差
  s <- sd(x)
  #計(jì)算偏度
  skew <- sum((x-m)^3/s^3)/n
  #計(jì)算峰度
  kurt <- sum((x-m)^4/s^4)/n - 3
  #返回計(jì)算數(shù)據(jù)
  return(c(n=n,mean=m,stdev=s,skew=skew,kurtosis=kurt))
}
#計(jì)算所選統(tǒng)計(jì)量
sapply(mtcars[myvars],mystats)

對于mpg來說，其偏度（skew）為+0.6，分布呈現(xiàn)右偏；峰度（kurtosis）為-0.37，比正態(tài)分布稍平。

3

進(jìn)階

pastecs包中的stat.desc( )函數(shù)能返回種類繁多的描述性統(tǒng)計(jì)量。

使用格式為：

stat.desc(x,basic=T,desc=T,norm=F,p=0.95)

其中 x 代表數(shù)據(jù)框，basic默認(rèn)值為TRUE，計(jì)算所有值、空值、缺失值的數(shù)量、最大值、最小值、值域、總和。desc默認(rèn)值為TRUE，計(jì)算中位數(shù)、均值、均值的標(biāo)準(zhǔn)誤差、均值置信度為95%的置信區(qū)間、方差、標(biāo)準(zhǔn)差、變異系數(shù)。若norm=TRUE，返回偏度和峰度（以及他們的統(tǒng)計(jì)顯著程度）、Shapiro-Wilk正態(tài)檢驗(yàn)結(jié)果。

install.packages('pastecs')
library('pastecs')
stat.desc(mtcars[myvars],norm = T)

4

精通

對于有類別型變量的數(shù)據(jù)來說，我們往往需要分組計(jì)算統(tǒng)計(jì)量。

by( data ,* INDICES *, FUN)

其中data代表數(shù)據(jù)框，INDICES是一個(gè)因子，FUN是任意函數(shù)

#調(diào)用mystats中的所有函數(shù)
dstats <- function(x)sapply(x,mystats)
#傳遞dstats并進(jìn)行分組
by(mtcars[myvars],mtcars$am,dstats)

今天的文章就到這里，最關(guān)鍵的還是數(shù)學(xué)方面的理解。

祝福冰姐又老了一歲，謝謝各位。

下期再見。

你可能還想看

• R小姐：mice 多重插補(bǔ)

• R小姐：缺失值 and 異常值的分析、處理

• R小姐：數(shù)據(jù)探索之?dāng)?shù)據(jù)質(zhì)量分析

• 古同：我的大學(xué)生活之?dāng)z影篇

等你很久啦，長按加入古同社區(qū)

image