如何进行大数据中R语言的描述性统计-营山大橙子建站

新闻中心

这里有您想知道的互联网营销解决方案

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。

标题名称：如何进行大数据中R语言的描述性统计
标题URL：http://scyingshan.cn/article/ggpsed.html

新闻中心

其他资讯