• 设为首页
  • 点击收藏
  • 手机版
    手机扫一扫访问
    迪恩网络手机版
  • 关注官方公众号
    微信扫一扫关注
    公众号

R语言实战(三)基本图形与基本统计分析

原作者: [db:作者] 来自: [db:来源] 收藏 邀请

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))

  


箱线图:通过绘制绘制连续型变量的五数总括,即最小值、下四分位数、中位数、上四分位数、最大值,描述连续型变量分布 

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()

  


分组计算描述性统计量 

#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

  


频数表和列联表 

table(var1, var2, …, varN)

使用N个类别型变量创建一个N维列联表

xtabs(formula, data)

根据一个公式和一个矩阵或一个数据框创建一个N维列联表

prop.table(table, margins)

依margins定义的边际列表将表中条目表示为分数形式

margin.table(table, margins)

依margins定义的边际列表计算表中条目的和

addmargins(table, margins)

将概述边margins(默认是求和结果)放入表中

ftable(table)

创建一个紧凑的“平铺”式列联表

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()

  


相关性度量: 

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()

  


偏相关:在控制一个或多个定量变量时,另外两个定量变量之间的相互关系 

library(ggm)
pcor(u, S)

  


其他类型的相关 

#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()

  


相关性的显著性检验: 

#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()

  


其他显著性检验: 

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)

  


 多于两组的情况:如果能够假设数据是从正态总体中独立抽样而得的,就可以使用方差分析(ANOVA)

 

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。

 


鲜花

握手

雷人

路过

鸡蛋
该文章已有0人参与评论

请发表评论

全部评论

专题导读
上一篇:
Centos7下安装R语言及RStudio发布时间:2022-07-18
下一篇:
R语言  RStudio快捷键总结发布时间:2022-07-18
热门推荐
热门话题
阅读排行榜

扫描微信二维码

查看手机版网站

随时了解更新最新资讯

139-2527-9053

在线客服(服务时间 9:00~18:00)

在线QQ客服
地址:深圳市南山区西丽大学城创智工业园
电邮:jeky_zhao#qq.com
移动电话:139-2527-9053

Powered by 互联科技 X3.4© 2001-2213 极客世界.|Sitemap