星期一, 十一月 07, 2011

R语言基础入门之三:常用统计函数运算

在R语言中经常会用到函数,例如上节中讲到的求样本统计量就需要均值函数(mean)和标准差函数(sd)。对于二元数值数据还用到协方差(cov),对于二元分类数据则可以用交叉联列表函数(table)。下文讲述在初级统计学中最常用到的三类函数。

一、数据汇总函数
我们还是以R中自带的iris数据为例,输入head(iris)你可以获得数据的前6个样本及对应的5个变量。取出最后两列数据作为讲解的对象:Species表示花的种类,Petal.Width表示花瓣宽度
data=iris[,c(4,5)]
下一步我们想计算不同种类花瓣的平均宽度,可以使用tapply函数,在计算前先用attach命令将data这个数据框解包以方便直接操作其变量,而不需再用$符号。

attach(data)
tapply(X=Petal.Width,INDEX=Species,FUN=mean)
结果如下
setosa versicolor  virginica
0.246      1.326      2.026 
和tapply类似的还有sapply函数,在进一步讲解前初学者还需搞清楚两种数据表现方式,即stack(堆叠数据)和unstack(非堆叠数据),上面的data就是一个堆叠数据,每一行表示一个样本。而非堆叠数据可以根据unstack函数转换而来
data.unstack=unstack(data)
head(data.unstack)
你应该明白这二者之间的区别了,如果要对非堆叠数据计算不同种类花瓣的平均宽度,可以利用如下函数。
sapply(data.unstack,FUN=mean)
结果是一样的,也就是说tapply对应于stack数据,而sapply对应于unstack数据

二、概率计算函数
如果给定一种概率分布,通常会有四类计算问题:
  • 计算其概率密度density (d)
  • 计算其概率分布probability(p)
  • 计算其百分位数quantile (q)
  • 随机数模拟random (r)
记住上面四类计算对应的英文首字母,再对照下表就很容易计算各种概率问题了。

举例来讲,我们求标准正态分布曲线下小于1的面积p(x<1),正态分布是norm,而分布函数是p,那么使用pnorm(1)就得出了结果0.84;若计算扔10次硬币实验中有3次正面向上的概率,类似的dbinom(x=3,size=10,prob=0.5)得出0.11

三、抽样函数
我们想从1到10中随机抽取5个数字,那么这样来做:首先产生一个序列,然后用sample函数进行无放回抽取。
x=1:10
sample(x,size=5)
有放回抽取则是
sample(x,size=5,replace=T)
sample函数在建模中经常用来对样本数据进行随机的划分,一部分作为训练数据,另一部分作为检验数据。

4 条评论:

  1. 哈哈,在这里找到了一个有用的code:attach..
    俺刚刚把数据用read.csv读出了,但是就是不知道怎么使用,现在搞出来点东西了。。
    谢谢楼主!

    回复删除
  2. 您好,请问sample函数里面的x参数具体功能是什么。

    回复删除