前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >R中五种常用的统计分析方法

R中五种常用的统计分析方法

作者头像
Erin
发布2018-01-09 11:03:30
3.4K0
发布2018-01-09 11:03:30
举报
文章被收录于专栏:大数据风控

1、分组分析aggregation

根据分组字段,将分析对象划分为不同的部分,以进行对比分析各组之间差异性的一种分析方法。 常用统计指标: 计数 length 求和 sum  平均值 mean 标准差 var 方差 sd 分组统计函数 aggregate(分组表达式,data=需要分组的数据框,function=统计函数) 参数说明 formula:分组表达式,格式:统计列~分组列1+分组列2+... data=需要分组的数据框 function:统计函数

代码语言:javascript
复制
aggregate(name ~ class, data=data, FUN=length);
#求和
aggregate(score ~ class, data=data, FUN=sum);
#均值
aggregate(score ~ class, data=data, FUN=mean);
#方差
aggregate(score ~ class, data=data, FUN=var);
#标准差
aggregate(score ~ class, data=data, FUN=sd)

2、分布分析cut

根据分析目的,将数据(定量数据)进行等距或者不等距的分组,进行研究各组分布规律的一种分析方法。

分组函数

cut(data,breaks,labels,right)

参数说明

data=需要分组的一列数据

breaks=分组条件,如果是一个数字,那么将平均分组;如果是一个数组,那么将按照指定范围分组

labels:分组标签

right:指定范围是否右闭合,默认为右闭合,right参数为TRUE

代码语言:javascript
复制
用户明细 <- read.csv('data.csv', stringsAsFactors=FALSE)
head(用户明细)

breaks <- c(min(用户明细$年龄)-1, 20, 30, 40, max(用户明细$年龄)+1)

年龄分组 <- cut(用户明细$年龄, breaks = breaks)
用户明细[, '年龄分组1'] <- 年龄分组

年龄分组 <- cut(用户明细$年龄, breaks = breaks, right = FALSE)
用户明细[, '年龄分组2'] <- 年龄分组

labels <- c('20岁以及以下', '21岁到30岁', '31岁到40岁', '41岁以上');
年龄分组 <- cut(用户明细$年龄, breaks = breaks, labels = labels)
用户明细[, '年龄分组'] <- 年龄分组

head(用户明细)

aggregate(formula=用户ID ~ 年龄分组, data=用户明细, FUN=length)

3、交叉分析tapply(相当于excel里的数据透视表)

通常用于分析两个或两个以上,分组变量之间的关系,以交叉表形式进行变量间关系的对比分析;

交叉分析的原理就是从数据的不同维度,综合进行分组细分,以进一步了解数据的构成、分布特征。

交叉分析函数:

tapply(统计向量,list(数据透视表中的行,数据透视变中的列),FUN=统计函数)

返回值说明:

一个table类型的统计量

breaks <- c(min(用户明细$年龄)-1, 20, 30, 40, max(用户明细$年龄)+1)

代码语言:javascript
复制
labels <- c('20岁以及以下', '21岁到30岁', '31岁到40岁', '41岁以上');
年龄分组 <- cut(用户明细$年龄, breaks = breaks, labels = labels)
用户明细[, '年龄分组'] <- 年龄分组

head(用户明细)

tapply(用户明细$用户ID, list(用户明细$年龄分组, 用户明细$性别), FUN=length)

4、结构分析prop.table

是在分组的基础上,计算各组成部分所占的比重,进而分析总体内部特征的一种分析方法。

for example:资产占有率就是一个非常经典的运用

统计占比函数

prop.table(table,margin=NULL)

参数说明:

table,使用tapply函数统计得到的分组计数或求和结果

margin,占比统计方式,具体参数如下:

属性 注释

1 按行统计占比

2 按列统计占比

NULL 按整体统计占比

data <- read.csv('data.csv', stringsAsFactors=FALSE);

代码语言:javascript
复制
head(data)

t <- tapply(data$月消费.元., list(data$通信品牌), sum)
t
prop.table(t);

t <- tapply(data$月消费.元., list(data$通信品牌), mean)
t
prop.table(t);

t <- tapply(data$月消费.元., list(data$省份, data$通信品牌), sum)
t
prop.table(t, margin = 2)

5、相关分析prop.table

是研究现象之间是否存在某种依存关系,并对具体有依存关系的现象探讨其相关方向以及相关程度,是研究随机变量之间的相关关系的一种统计方法。

相关系数r 可以用来描述定量变量之间的关系

相关分析函数:

cor(向量1,向量2,...)返回值:table类型的统计量

代码语言:javascript
复制
data <- read.csv('data.csv', fileEncoding = "UTF-8");

cor(data[, 2:7])
本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
原始发表:2017年07月17日,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 1、分组分析aggregation
  • 2、分布分析cut
  • 3、交叉分析tapply(相当于excel里的数据透视表)
  • 4、结构分析prop.table
  • 5、相关分析prop.table
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档