R语言中的五种常用统计分析方法

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

相关分析函数：

cor(向量1,向量2,...)返回值：table类型的统计量

data <- read.csv('data.csv', fileEncoding = "UTF-8");

cor(data[, 2:7])

补充：R中基本统计分析方法整理

面对一大堆的数据，往往会让人眼花缭乱。但是只要使用一些简单图形和运算，就可以了解数据更多的特征。R提供了很多关于数据描述的函数，通过这些函数可以对数据进行一个简单地初步分析。

获取描述性统计量的R函数

（1）常用统计函数(参数x为向量)

mean（x）：平均值

median（x）：中位数

sd（x）：标准差

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（）函数

提供最小值、下四分位数、中位数、平均值、上四分位数、最大值。

（3）apply（）或sapply函数

计算参数指定的任意描述性统计量。

其中sapply（）用法：sapply(x，FUNC，options) ，x是待处理的数据框，FUNC是用户指定的函数，如sum()、max()、mean()等等，指定了的options会传递给FUNC。

（4） Hmisc包中的describe（）函数

返回变量和观测值的数目、缺失值和唯一值的数目、平均值、分位数、五个最大的值和五个最小的值。

（5）pastecs包中的stat.desc（）函数

可以计算种类繁多的描述性统计量

（6）psych包也提供了一个describe（）函数

它可以计算非缺失值的数量、平均数、标准差、中位数、截尾均值、绝对中位差、最小值、最大值、值域、偏度、峰度等。

以上为个人经验，希望能给大家一个参考，也希望大家多多支持我们。如有错误或未考虑完全的地方，望不吝赐教。