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
|
本文对应《R语言实战》第6章：基本图形；第7章：基本统计分析
================================================================================================================================================== 本章讨论的图形，主要用于分析数据前，对数据的初步掌握。想要对数据有一个初步的印象，最好的方式就是观察它，也就是将数据可视化。在这个过程中，我们不必要过于纠结图形是否漂亮美观，而重点关注各个简单图形的含义：观察数据的哪个方面时需要用到哪些图形。
条形图：主要展示类别型变量的分布（频数） barplot(height)
简单条形图 堆砌条形图和分组条形图 均值条形图（用aggregate()函数处理后，得到各组均值、中位值等，即经过折叠的数据） 棘状图（对堆砌条形图进行重缩放，将不同分组高度归一化，用于比较不同组内相同分类占比的不同。package: vcd:: spine()）
饼图：不推荐使用，因为相对于面积，人对长度的判断更精确。 pie(x, labels)
直方图：展示了连续型变量的分布情况 hist(x)
可以在直方图上添加核密度图或者正态分布曲线辅助观察数据分布
核密度图：也可以用来观察连续型变量分布，可以在直方图上叠加 #直接绘图： plot(density(x)) #在直方图上叠加： hist(mtcars$mpg) #如果数据中有许多结（tie, 数据中出现相同的值）用以下语句打散 rug(jitter(mtcars$mpg)) #添加核密度曲线 lines(density(mtcars$mpg))
boxplot(x)
并列箱线图：跨组比较（单因子或交叉因子。交叉因子：formula形如mpg ~ am.f * cyl.f） boxplot(formula, data = dataframe)
小提琴图：是箱线图的变种，由箱线图与核密度图结合而来，package: vioplot 并不流行
点图：提供了一种在简单水平刻度上绘制大量有标签值的方法 dotchart(x, labels = )
对于少量数据有较为显著的洞察力，对于大量数据的实用性较差
================================================================================================================================================== 基本统计分析： 描述性统计分析 #极值、均值、分位数 summary() #变量与观测的数量、缺失值和唯一值的数量、平均值、分位数、五个最大最小值 library(Hmisc) describe() #对数据框或时间序列进行分析 library(pastecs) stat.desc(x, basic = TRUE, desc = TRUE, norm = FALSE, p = 0.95) #basic = TRUE(默认)，计算所有值、空值、缺失值数量，最值、值域、总和 #desc = TRUE(默认)，中位数、平均数及其标准误、平均数置信度为95%的置信区间、方差、标准差以及变异系数 #norm = TRUE(不是默认)，返回正态分布统计量，包括偏度和峰度 #扩展 #非缺失值的数量、平均数、标准差、中位数、截尾均值、绝对中位差、最值、值域、偏度、峰度、平均值的标准误 library(psych) describe()
#by()函数 vars <- c(“mpg”, “hp”, “wt”) dstats <- function(x) (c(mean = mean(x), sd = sd(x))) by(mtcars[vars], mtcars$am, dstats) #自定义统计量 library(doBy) summaryBy(formula, data = dataframe, FUN = function) #概述统计量 library(psych) describe.by(data, variables) #package reshape #melt() cast()简洁但是需要熟练使用
注意：table()函数默认忽略缺失值（NA）要将NA视为一个有效的类别，需要设置参数useNA = “ifany”
生成二维列联表的一个更好的方式，使用library: gmodels:: CrossTable()函数
多维列联表：以上函数均可以推广到高维情况，推荐使用ftable()函数
独立性检验： 对二维列联表的行变量与列变量进行独立性检验（检验对象为列联表） #卡方独立性检验 #假设相互独立，若p<0.05,拒绝假设（也就是相关） chisq.test() #Fisher精确检验 #假设：边界固定的列联表中行和列是相互独立的 #注意不能用于2*2列联表 fisher.test() #Cochran-Mantel-Haenszel检验 #假设：两个名义变量在第三个变量的每一层中都是条件独立的（即不存在三阶交互作用） mantelhaen.test()
如果独立性检验通过（拒绝假设），继续度量相关性的强弱
相关 Pearson积差相关系数衡量了两个定量变量之间的线性相关程度 Spearman等级相关系数衡量分级定序变量之间的相关程度 Kendall’s Tau相关系数是一种非参数的等级相关度量 #计算相关系数 cor() #计算协方差 cov()
library(ggm) pcor(u, S)
#计算混合相关矩阵，包括数值型变量之间的Pearson相关系数、数值型变量和有序变量之间的多系列相关系数 library(polycor) hector()
#检验一种相关关系 cor.test(x, y, alternative = , method = ) #一次作出相关矩阵及显著性检验 library(psych) corr.test()
在多元正态性的假设下，ggm包中pcor.test()函数可以用来检验在控制一个或多个额外变量时，两个变量之间的条件独立性。
t检验 #独立样本t检验 t.test(y ~ x, data) #y为数值型变量，x为二分变量 t.test(y1, y2) #y1和y2为数值型变量，即各组的结果变量 #非独立样本t检验（假定组间的差异呈正态分布） t.test(y1, y2, paired = TRUE)
组间差异的非参数检验 两组的比较：若独立，则可以使用Wilcoxon秩和检验 wilcox.test(y ~ x, data) wilcox.test(y1, y2)
多于两组的比较：无法满足ANOVA的假设时，采用非参数方法。 如果各组独立，可以使用Kruskal-Wallis检验；如果各组不独立，使用Friedman检验。
|
请发表评论