R語言中有哪些統計分析方法

這篇文章將為大家詳細講解有關R語言中有哪些統計分析方法，文章內容質量較高，因此小編分享給大家做個參考，希望大家閱讀完這篇文章后對相關知識有一定的了解。

什么是R語言

R語言是用于統計分析、繪圖的語言和操作環境，屬于GNU系統的一個自由、免費、源代碼開放的軟件，它是一個用于統計計算和統計制圖的優秀工具。

1、分組分析aggregation

根據分組字段，將分析對象劃分為不同的部分，以進行對比分析各組之間差異性的一種分析方法。

常用統計指標：

計數 length

求和 sum

平均值 mean

標準差 var

方差 sd

分組統計函數

aggregate(分組表達式，data=需要分組的數據框，function=統計函數）

參數說明

formula：分組表達式，格式：統計列~分組列1+分組列2+...

data=需要分組的數據框

function：統計函數

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);
#標準差
aggregate(score ~ class, data=data, FUN=sd)

2、分布分析cut

根據分析目的，將數據(定量數據）進行等距或者不等距的分組，進行研究各組分布規律的一種分析方法。

分組函數

cut(data,breaks,labels,right)

參數說明

data=需要分組的一列數據

breaks=分組條件，如果是一個數字，那么將平均分組；如果是一個數組，那么將按照指定范圍分組

labels：分組標簽

right：指定范圍是否右閉合，默認為右閉合，right參數為TRUE

用戶明細 <- read.csv('data.csv', stringsAsFactors=FALSE)
head(用戶明細)
 
breaks <- c(min(用戶明細$年齡)-1, 20, 30, 40, max(用戶明細$年齡)+1)
 
年齡分組 <- cut(用戶明細$年齡, breaks = breaks)
用戶明細[, '年齡分組1'] <- 年齡分組
 
年齡分組 <- cut(用戶明細$年齡, breaks = breaks, right = FALSE)
用戶明細[, '年齡分組2'] <- 年齡分組
 
labels <- c('20歲以及以下', '21歲到30歲', '31歲到40歲', '41歲以上');
年齡分組 <- cut(用戶明細$年齡, breaks = breaks, labels = labels)
用戶明細[, '年齡分組'] <- 年齡分組
 
head(用戶明細)
 
aggregate(formula=用戶ID ~ 年齡分組, data=用戶明細, FUN=length)

3、交叉分析tapply（相當于excel里的數據透視表）

通常用于分析兩個或兩個以上，分組變量之間的關系，以交叉表形式進行變量間關系的對比分析；

交叉分析的原理就是從數據的不同維度，綜合進行分組細分，以進一步了解數據的構成、分布特征。

交叉分析函數：

tapply(統計向量，list(數據透視表中的行，數據透視變中的列),FUN=統計函數)

返回值說明：

一個table類型的統計量

breaks <- c(min(用戶明細$年齡)-1, 20, 30, 40, max(用戶明細$年齡)+1)

labels <- c('20歲以及以下', '21歲到30歲', '31歲到40歲', '41歲以上');
年齡分組 <- cut(用戶明細$年齡, breaks = breaks, labels = labels)
用戶明細[, '年齡分組'] <- 年齡分組
 
head(用戶明細)
 
tapply(用戶明細$用戶ID, list(用戶明細$年齡分組, 用戶明細$性別), FUN=length)

4、結構分析prop.table

是在分組的基礎上，計算各組成部分所占的比重，進而分析總體內部特征的一種分析方法。

for example：資產占有率就是一個非常經典的運用

統計占比函數

prop.table(table,margin=NULL)

參數說明：

table,使用tapply函數統計得到的分組計數或求和結果

margin,占比統計方式，具體參數如下：

屬性 注釋

1 按行統計占比

2 按列統計占比

NULL 按整體統計占比

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

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

5、相關分析prop.table

是研究現象之間是否存在某種依存關系，并對具體有依存關系的現象探討其相關方向以及相關程度，是研究隨機變量之間的相關關系的一種統計方法。

相關系數r 可以用來描述定量變量之間的關系

相關分析函數：

cor(向量1,向量2,...)返回值：table類型的統計量

data <- read.csv('data.csv', fileEncoding = "UTF-8");
 
cor(data[, 2:7])

補充：R中基本統計分析方法整理

面對一大堆的數據，往往會讓人眼花繚亂。但是只要使用一些簡單圖形和運算，就可以了解數據更多的特征。R提供了很多關于數據描述的函數，通過這些函數可以對數據進行一個簡單地初步分析。

獲取描述性統計量的R函數

（1）常用統計函數(參數x為向量)

mean（x）：平均值

median（x）：中位數

sd（x）：標準差

var（x）：方差

sum（x）：求和

min（x）：最小值

max（x）：最大值

range（x）:值域

......等等

（2）summary（）函數

提供最小值、下四分位數、中位數、平均值、上四分位數、最大值。

（3）apply（）或sapply函數

計算參數指定的任意描述性統計量。

其中sapply（）用法：sapply(x，FUNC，options) ，x是待處理的數據框，FUNC是用戶指定的函數，如sum()、max()、mean()等等，指定了的options會傳遞給FUNC。

（4） Hmisc包中的describe（）函數

返回變量和觀測值的數目、缺失值和唯一值的數目、平均值、分位數、五個最大的值和五個最小的值。

（5）pastecs包中的stat.desc（）函數

可以計算種類繁多的描述性統計量

（6）psych包也提供了一個describe（）函數

它可以計算非缺失值的數量、平均數、標準差、中位數、截尾均值、絕對中位差、最小值、最大值、值域、偏度、峰度等。

關于R語言中有哪些統計分析方法就分享到這里了，希望以上內容可以對大家有一定的幫助，可以學到更多知識。如果覺得文章不錯，可以把它分享出去讓更多的人看到。