如何进行大数据中R语言的描述性统计
如何进行大数据中R语言的描述性统计,很多新手对此不是很清楚,为了帮助大家解决这个难题,下面小编将为大家详细讲解,有这方面需求的人可以来学习下,希望你能有所收获。
创新互联专注于友谊网站建设服务及定制,我们拥有丰富的企业做网站经验。 热诚为您提供友谊营销型网站建设,友谊网站制作、友谊网页设计、友谊网站官网定制、微信小程序开发服务,打造友谊网络公司原创品牌,更为您提供友谊网站排名全网营销落地服务。
常见描述性统计可以通过最小值、下四分位数、中位数、上四分位数和最大值,均值、众数、标准差、极差等查看数据的分布和离散程度;通过偏度(数据分布形态呈现左偏或右偏)和峰度(分布形态呈现尖瘦或矮胖)等查看数据的正态与否。
下面简单的介绍如何使用R实现数值型变量的上述统计量。
1 基础包中summary()函数
可得到数值型变量的最小值、下四分位数、中位数、上四分位数和最大值。
#使用自带的mtcars数据集,选择mpg,disp和hp三个数值型变量进行分析。head(mtcars)data <- mtcars[c("mpg","disp","hp")]summary(data) mpg disp hp Min. :10.40 Min. : 71.1 Min. : 52.0 1st Qu.:15.43 1st Qu.:120.8 1st Qu.: 96.5 Median :19.20 Median :196.3 Median :123.0 Mean :20.09 Mean :230.7 Mean :146.7 3rd Qu.:22.80 3rd Qu.:326.0 3rd Qu.:180.0 Max. :33.90 Max. :472.0 Max. :335.0
2 psych包中describe()函数
可得到非缺失值的个数、均值、标准差、中位数、截尾平均数、绝对中位差、最小值、最大值、极差、偏度、丰度和平均值的标准误
#install.packages("psych")library(psych)describe(data) vars n mean sd median trimmed mad min max range skew kurtosis sempg 1 32 20.1 6.03 19.2 19.7 5.41 10.4 33.9 23.5 0.61 -0.37 1.07disp 2 32 230.7 123.94 196.3 222.5 140.48 71.1 472.0 400.9 0.38 -1.21 21.91hp 3 32 146.7 68.56 123.0 141.2 77.10 52.0 335.0 283.0 0.73 -0.14 12.12
3 pastecs包中stat.desc()函数
当设置norm=TRUE(非默认)时,可以返回偏度和丰度(统计显著程度)和Shapiro-Wilk正态检验的结果。
其中p=0.05表示计算平均数的置信区间默认置信度为0.95.
#install.packages("pastecs")library(pastecs)options(digits=3) #设定三位小数stat.desc(data,norm = TRUE) mpg disp hpnbr.val 32.000 3.20e+01 32.0000nbr.null 0.000 0.00e+00 0.0000nbr.na 0.000 0.00e+00 0.0000min 10.400 7.11e+01 52.0000max 33.900 4.72e+02 335.0000range 23.500 4.01e+02 283.0000sum 642.900 7.38e+03 4694.0000median 19.200 1.96e+02 123.0000mean 20.091 2.31e+02 146.6875SE.mean 1.065 2.19e+01 12.1203CI.mean.0.95 2.173 4.47e+01 24.7196var 36.324 1.54e+04 4700.8669std.dev 6.027 1.24e+02 68.5629coef.var 0.300 5.37e-01 0.4674skewness 0.611 3.82e-01 0.7260skew.2SE 0.737 4.60e-01 0.8759kurtosis -0.373 -1.21e+00 -0.1356kurt.2SE -0.230 -7.46e-01 -0.0837normtest.W 0.948 9.20e-01 0.9334normtest.p 0.123 2.08e-02 0.0488
4 自定义函数
除了上述函数包外,还可以自定义函数可以只返回需要的值。
my_describe <- function(x){ options(digits = 3) N = length(x); Nmiss = sum(is.na(x)); Min = min(x, na.rm = TRUE); Q1 = quantile(x, probs = 0.25, na.rm = TRUE); Median = median(x, na.rm = TRUE); Q3 = quantile(x, probs = 0.75, na.rm = TRUE); Max = max(x, na.rm = TRUE); Mean = mean(x, na.rm = TRUE); Sd = sd(x, na.rm = TRUE); Range = abs(diff(range(x))); skew <- sum((x-Mean)^3/Sd^3)/N kurt <- sum((x-Mean)^4/Sd^4)/N-3 #返回结果 return(data.frame(N = N, Nmiss = Nmiss, Min = Min, Q1 = Q1, Median = Median, Q3 = Q3, Max = Max, Mean = Mean, Sd = Sd, Range = Range, Skewness = skew, Kurtosis = kurt))}sapply(data, my_describe) mpg disp hp N 32 32 32 Nmiss 0 0 0 Min 10.4 71.1 52 Q1 15.4 121 96.5 Median 19.2 196 123 Q3 22.8 326 180 Max 33.9 472 335 Mean 20.1 231 147 Sd 6.03 124 68.6 Range 23.5 401 283 Skewness 0.611 0.382 0.726 Kurtosis -0.373 -1.21 -0.136
可以看出自定义函数的结果与上述R包的结果一致,而且可以根据自己的需求选择返回值。
看完上述内容是否对您有帮助呢?如果还想对相关知识有进一步的了解或阅读更多相关文章,请关注创新互联行业资讯频道,感谢您对创新互联的支持。
新闻名称:如何进行大数据中R语言的描述性统计
分享网址:http://scyanting.com/article/ggpsed.html