R中五种常用的统计分析方法

Erin

发布于 2018-01-09 11:03:30

3.4K0

发布于 2018-01-09 11:03:30

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

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

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)

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);

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