首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往

R中有几个变量的频率表

在R中,有几个变量的频率表:

  1. freq():计算指定变量的频率,可以指定计算某个区间内的频率,例如:freq(x, from = 0, to = 100)
  2. table():计算指定变量的频率,直接使用table()函数,例如:table(x)
  3. prop.table():计算指定变量的比例,可以指定计算某个区间内的比例,例如:prop.table(x, from = 0, to = 100)
  4. tabyl():综合了table()prop.table(),可以同时显示频率和比例,例如:tabyl(x, prop = TRUE, summary = TRUE)
  5. dplyr::count():计算指定变量在各分组中的数量,例如:group_by(x) %>% count()
  6. dplyr::n():计算指定变量的总数量,例如:n(x)
  7. dplyr::sum():计算指定变量的总和,例如:group_by(x) %>% summarize(total = sum(y))
  8. dplyr::mean():计算指定变量的平均值,例如:group_by(x) %>% summarize(mean = mean(y))
  9. dplyr::median():计算指定变量的中位数,例如:group_by(x) %>% summarize(median = median(y))
  10. dplyr::quantile():计算指定变量的分位数,例如:group_by(x) %>% summarize(quantile = quantile(y, 0:100))
  11. dplyr::slice():从数据框中提取指定位置的元素,例如:slice(data, 1:3)
  12. dplyr::select():从数据框中提取指定列或表达式,例如:select(data, x, y, z)
  13. dplyr::rename():修改数据框中列的名称,例如:rename(data, x = Name, y = Age)
  14. dplyr::group_by():将数据框按照指定变量分组,例如:group_by(data, Category)
  15. dplyr::summarize():对分组后的数据进行汇总,例如:group_by(data, Category) %>% summarize(total = sum(Sales))
  16. dplyr::mutate():在分组后的数据中添加新变量,例如:group_by(data, Category) %>% mutate(Sales = Sales * 2)
  17. dplyr::filter():从数据中筛选出满足条件的数据,例如:filter(data, x > 10)
  18. dplyr::distinct():去除重复的数据,例如:distinct(data, Name)
  19. dplyr::select():从数据中提取指定列或表达式,例如:select(data, x, y, z)
  20. dplyr::rename():修改数据中列的名称,例如:rename(data, Name = Username, Age = Userage)
  21. dplyr::group_by():将数据按照指定变量分组,例如:group_by(data, Category)
  22. dplyr::summarize():对分组后的数据进行汇总,例如:group_by(data, Category) %>% summarize(total = sum(Sales))
  23. dplyr::mutate():在分组后的数据中添加新变量,例如:group_by(data, Category) %>% mutate(Sales = Sales * 2)
  24. dplyr::filter():从数据中筛选出满足条件的数据,例如:filter(data, x > 10)
  25. dplyr::distinct():去除重复的数据,例如:distinct(data, Name)
  26. dplyr::select():从数据中提取指定列或表达式,例如:select(data, x, y, z)
  27. dplyr::rename():修改数据中列的名称,例如:rename(data, Name = Username, Age = Userage)
  28. dplyr::group_by():将数据按照指定变量分组,例如:`group_
页面内容是否对你有帮助?
有帮助
没帮助

相关·内容

  • 斯坦福 Stats60:21 世纪的统计学:前言到第四章

    这本书的目标是讲述统计学的故事,以及它如何被全球的研究人员所使用。这是一个与大多数统计学入门书籍中讲述的故事不同的故事,后者侧重于教授如何使用一套工具来实现非常具体的目标。这本书侧重于理解统计思维的基本理念——这是一种系统化的思考方式,用于描述我们如何描述世界并使用数据做出决策和预测,所有这些都是在现实世界中存在的固有不确定性的背景下。它还运用了目前仅在过去几十年中由于计算能力的惊人增长而变得可行的方法。在 20 世纪 50 年代可能需要数年才能完成的分析现在可以在标准笔记本电脑上几秒钟内完成,这种能力释放了使用计算机模拟以新的、强大的方式提出问题的能力。

    01

    [强基固本-视频压缩] 第六~七章: 上下文自适应二进制算术编码

    让我们回顾一下使用 H.265/HEVC 系统编码视频帧的主要步骤(图1)。第一步,通常称为“块分割”,将帧分割成称为 CUs (编码单元)的块。第二步涉及使用空间(帧内)或时间(帧间)预测来预测每个块内的图像。当执行时间预测时,CU 块可以被分割成称为 PUs (预测单元)的子块,每个子块都有自己的运动向量。然后,预测的样本值从正在编码的图像的样本值中减去。结果,每个 CU 形成一个二维(2D)差异信号,或称为残差信号。第三步,2D 残差信号样本的数组被分割成所谓的 TUs (变换单元),每个 TU 都会经历离散的 2D 余弦傅里叶变换(对于包含帧内预测强度样本的 4×4 大小的 TUs 除外,这些 TUs 使用离散正弦傅里叶变换)。

    01
    领券