客服电话
APP下载
迪恩网络APP
随时随地掌握行业动态
官方微信
扫描二维码
关注迪恩网络微信公众号
1. summary()函数可以获取描述性统计量可以提供最小值、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. misc包中的describe()函数可返回变量和观测的数量、缺失值和唯一值的数目、平均值、分位数，以及五个最大的值和五个最小的值 3.psych包中的describe()函数psych包也拥有一个名为describe()的函数，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、峰度和平均值的标准误 4.pastecs包中的stat.desc()的函数可以计算种类繁多的描述性统计量。使用格式为：stat.desc（x,basic=TRUE,desc=TRUE,norm=FALSE,p=0.95） 5.str()函数以简洁的方式显示对象的数据结构及内容，可以查看数据框中每个变量的属性 6. attributes()函数可以提取对象除长度和模式以外的各种属性 7.aggregate()函数仅允许在每次调用中使用平均数、标准差这样的单返回值函数，它无法一次返回若干个统计量 8.by()函数格式为：by(data,INDICES,FUN)，其中data是一个数据框或矩阵，INDICES是一个因子或因子组成的列表，定义了分组，FUN是任意函数。 9.doBy包中的summaryBy()函数10.psych包中的describe.by()函数1.查看数据> dim(iris) [1] 150 5 > names(iris) [1] "Sepal.Length" "Sepal.Width" "Petal.Length" "Petal.Width" [5] "Species" > str(iris) 'data.frame': 150 obs. of 5 variables: $ Sepal.Length: num 5.1 4.9 4.7 4.6 5 5.4 4.6 5 4.4 4.9 ... $ Sepal.Width : num 3.5 3 3.2 3.1 3.6 3.9 3.4 3.4 2.9 3.1 ... $ Petal.Length: num 1.4 1.4 1.3 1.5 1.4 1.7 1.4 1.5 1.4 1.5 ... $ Petal.Width : num 0.2 0.2 0.2 0.2 0.2 0.4 0.3 0.2 0.2 0.1 ... $ Species : Factor w/ 3 levels "setosa","versicolor",..: 1 1 1 1 1 1 1 1 1 1 ... > attributes(iris) $names [1] "Sepal.Length" "Sepal.Width" "Petal.Length" "Petal.Width" [5] "Species" $row.names [1] 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 [16] 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 [31] 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 [46] 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 [61] 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 [76] 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 [91] 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 [106] 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 [121] 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 [136] 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 $class [1] "data.frame" > iris[1:5,] Sepal.Length Sepal.Width Petal.Length Petal.Width Species 1 5.1 3.5 1.4 0.2 setosa 2 4.9 3.0 1.4 0.2 setosa 3 4.7 3.2 1.3 0.2 setosa 4 4.6 3.1 1.5 0.2 setosa 5 5.0 3.6 1.4 0.2 setosa > head(iris) Sepal.Length Sepal.Width Petal.Length Petal.Width Species 1 5.1 3.5 1.4 0.2 setosa 2 4.9 3.0 1.4 0.2 setosa 3 4.7 3.2 1.3 0.2 setosa 4 4.6 3.1 1.5 0.2 setosa 5 5.0 3.6 1.4 0.2 setosa 6 5.4 3.9 1.7 0.4 setosa > tail(iris) Sepal.Length Sepal.Width Petal.Length Petal.Width Species 145 6.7 3.3 5.7 2.5 virginica 146 6.7 3.0 5.2 2.3 virginica 147 6.3 2.5 5.0 1.9 virginica 148 6.5 3.0 5.2 2.0 virginica 149 6.2 3.4 5.4 2.3 virginica 150 5.9 3.0 5.1 1.8 virginica > iris[1:10,"Sepal.Length"] [1] 5.1 4.9 4.7 4.6 5.0 5.4 4.6 5.0 4.4 4.9 > iris$Sepal.Length[1:10] [1] 5.1 4.9 4.7 4.6 5.0 5.4 4.6 5.0 4.4 4.9 2.探索单个变量> summary(iris) Sepal.Length Sepal.Width Petal.Length Petal.Width Min. :4.300 Min. :2.000 Min. :1.000 Min. :0.100 1st Qu.:5.100 1st Qu.:2.800 1st Qu.:1.600 1st Qu.:0.300 Median :5.800 Median :3.000 Median :4.350 Median :1.300 Mean :5.843 Mean :3.057 Mean :3.758 Mean :1.199 3rd Qu.:6.400 3rd Qu.:3.300 3rd Qu.:5.100 3rd Qu.:1.800 Max. :7.900 Max. :4.400 Max. :6.900 Max. :2.500 Species setosa :50 versicolor:50 virginica :50 > quantile(iris$Sepal.Length) 0% 25% 50% 75% 100% 4.3 5.1 5.8 6.4 7.9 > quantile(iris$Sepal.Length,c(.1,.3,.65)) 10% 30% 65% 4.80 5.27 6.20 > var(iris$Sepal.Length) [1] 0.6856935 > hist(iris$Sepal.Length) > plot(density((iris$Sepal.Length))) > table(iris$Species) # 计算因子的频率数 setosa versicolor virginica 50 50 50 > pie(table(iris$Species)) > barplot(table(iris$Species)) 3. 探索多个变量 > cov(iris$Sepal.Length,iris$Petal.Length) # 协方差 [1] 1.274315 > cov(iris[,1:4]) Sepal.Length Sepal.Width Sepal.Length 0.6856935 -0.0424340 Sepal.Width -0.0424340 0.1899794 Petal.Length 1.2743154 -0.3296564 Petal.Width 0.5162707 -0.1216394 Petal.Length Petal.Width Sepal.Length 1.2743154 0.5162707 Sepal.Width -0.3296564 -0.1216394 Petal.Length 3.1162779 1.2956094 Petal.Width 1.2956094 0.5810063 > cor(iris$Sepal.Length,iris$Petal.Length) # 相关系数 [1] 0.8717538 > cor(iris[,1:4]) Sepal.Length Sepal.Width Sepal.Length 1.0000000 -0.1175698 Sepal.Width -0.1175698 1.0000000 Petal.Length 0.8717538 -0.4284401 Petal.Width 0.8179411 -0.3661259 Petal.Length Petal.Width Sepal.Length 0.8717538 0.8179411 Sepal.Width -0.4284401 -0.3661259 Petal.Length 1.0000000 0.9628654 Petal.Width 0.9628654 1.0000000 > aggregate(Sepal.Length~Species,summary,data=iris) Species Sepal.Length.Min. 1 setosa 4.300 2 versicolor 4.900 3 virginica 4.900 Sepal.Length.1st Qu. Sepal.Length.Median 1 4.800 5.000 2 5.600 5.900 3 6.225 6.500 Sepal.Length.Mean Sepal.Length.3rd Qu. 1 5.006 5.200 2 5.936 6.300 3 6.588 6.900 Sepal.Length.Max. 1 5.800 2 7.000 3 7.900 > boxplot(Sepal.Length~Species,data = iris) > with(iris,plot(Sepal.Length,Sepal.Width,col = Species, pch = as.numeric(Species))) > pairs(iris) |
请发表评论