R語言之描述性和探索性分析

標籤：產生   parent   mit   錯誤   pack   其他   也會   不同   rsa   

探索性分析簡稱EDA

一、基本描述性統計量
1.summary函數
可以得到最大值、最小值、中位元和均值

2.四分位元
四分位元可以通過quantile函數得到，diff得到各分位元的之差
> library(RSADBE)
> data("TheWALL")
> quantile(TheWALL$Score)
> diff(quantile(TheWALL$Score))

3.極值
range返回最大值和最小值

4.極差
diff(range())返回極差

5.四分位間距
IQR函數返回四分位間距

二、莖葉圖和長條圖

1.莖葉圖

可以使用base包的stem函數和alpack包的stem.leaf.backback函數實現

2.長條圖
長條圖可以通過hist函數和histogram函數實現，我們使用galton資料作為舉例
> data(galton)
> par(mfrow=c(2,2))
> hist(galton$parent,breaks="FD",xlab="Height of Parent", main="Histogram for Parent Height with Freedman-Diaconis Breaks",xlim=c(60,75))
> hist(galton$parent,xlab="Height of Parent",main= "Histogram for Parent Height with Sturges Breaks",xlim=c(60,75))
> hist(galton$child,breaks="FD",xlab="Height of Child", main="Histogram for Child Height with Freedman-Diaconis Breaks",xlim=c(60,75))
> hist(galton$child,xlab="Height of Child",main="Histogram for Child Height with Sturges Breaks",xlim=c(60,75))

此外，還有一些選項可以對長條圖進行設定，這些選項適用於大多數圖形命令
col：圖形顏色
main：圖形標題
xlab：X軸標題
ylab：Y軸標題
xlim：X軸範圍
ylim：Y軸範圍
break：設定長條圖的分割範圍
freq：邏輯選項，TRUE為產生頻率資料，FALSE為產生機率密度資料

三、密度函數圖
連續隨機變數更多都是通過密度函數圖來描述，通過density()函數，可以得到資料的密度估計，其結果是一系列x和y的座標，可以通過這些座標繪製密度函數圖，該函數的格式如下
density(data,bw="",kernel="",na.rm=FALSE)
其中，data要求為向量類型，bw為資料的密度核心估計，kernel為平滑種類，na.rm為對NA值的處理，預設為不移除NA值，但是如果出現NA，則結果會出現錯誤。


density()函數的結果為清單類型，可以通過$符號選擇結果中的變數。

可以通過plot(density())組合繪製密度函數圖，並通過lines()函數向圖形中添加線。


四、資料匯總

1.向量的匯總統計
max
min
length
sum
mean
median
sd
var
mad：得到中位元絕對偏差
summary：得到最大值、最小值、中位元和均值
quantile：得到分位元，預設是返回四分位元，可以自己修改
fivenum：得到最小值、四分位低值、中位元、四分位高值、最大值
cumsum：累積合計
cummax：累積最大值
cummin：累積最小值
cumprod：累乘

如果向量中存在NA值，那麼最終也會返回NA值，可以使用選項na.rm=TRUE將NA值忽略，其中length函數沒有na.rm選項，可以先使用na.omit()函數進行處理，如length(na.omit(data))


2.資料框的匯總統計
max
min
sum
fivenum
length：返回資料框的列數
summary：返回每一列的描述性數值
rowMeans
rowSums
colMeans
colSums
apply：可以將上述命令合并，格式為apply(X,MARGIN,FUN...)其中MARGIN為1或2，1表示行，2表示列FUN為計算方式，還可以定義na.rm=TRUE進行忽略NA值
prop.table(data,margin=1、2,FUN)：返回每個數值的佔比，預設為總數佔比，margin=1為行佔比，margin=2為列佔比,FUN為設定的函數，
addmargins(data,margin=1、2,FUN)：返回根據FUN計算的行或列的值，和prop.table類似，只不過這不是佔比，而是實際計算的數值。

3.矩陣的匯總統計

max
min
sum
fivenum
length：返回矩陣的儲存格數
summary：返回每一列的描述性數值
mean(data[,2])：計算第二列的均值
rowMeans
rowSums
colMeans
colSums
apply：
prop.table(data,margin=1、2)：返回每個數值的佔比，預設為總數佔比，margin=1為行佔比，margin=2為列佔比。
矩陣和資料框類似，但是不同的是矩陣為一個整體，不能用$選擇單個列，因此sum等函數是對矩陣整體進行計算，可以使用[]進行選擇，其餘函數的基本用法和資料框類似。


4.列表的匯總統計
max(data$var)
min(data$var)
sum(data$var)
fivenum(data$var)
length：返回矩陣的儲存格數
summary：返回每一列的描述性數值
mean(data[,2])：計算第二列的均值
lapply：輸出資料行表類型的結果
sapply：輸出矩陣類型的結果

總的來說，列表的匯總統計函數和其他資料結構類似，但是不同的是每個都要使用$指定變數才行，此外，apply()函數不能使用列表，需要使用其變種lapply和sapply，二者只是輸出結果的資料類型不同而已。

5.表格的匯總統計

max
min
sum
fivenum
length：返回資料框的列數
summary：返回每一列的描述性數值
rowMeans
rowSums
colMeans
colSums
apply
prop.table(data,margin=1、2)：返回每個數值的佔比，預設為總數佔比，margin=1為行佔比，margin=2為列佔比。

R語言之描述性和探索性分析