列联表分析基于R语言

本文中的数据为去头数据,是我聚类后的一部分,具体变量是我命名的,没有具体意义,放在这里仅供学习和交流,请不要传播和用于其他用途。数据下载链接:数据云盘链接

一、列联表基本概念

列联表本质上是对数据在一维或多维上的边际分布的概率描述。

如下表

列联表按表中元素的内容可以分为频数列联表和频率列联表,下面会看到。同时根据稀疏阵与否可以分为非稀疏列联表和稀疏列联表。

在通常的数据处理实践中我们常常有要求数据在列联表的一个维度上显示多个特征,如下图:

这里基本概念有空了在写,昨天传了两张图存草稿了,今天全没了,等哪天在写理论部分吧

二、变量组合形式的二维列联表

横列我们所展示的就是两个特征:学历+男女,纵列展示的是地区,碰到这种情况时展示一下三种方法:1.table/xtabs函数;2.运用excel数据透视表;3.reshape包

1)先介绍第一种方法,这种较为麻烦,可是延续了table函数自带的性质,如prop.table,margin.table,卡方值等

由于table、xtabs没有特征组合之间的列联表,因此需要我们自己设置变量名,我的方法是:利用类似hash编码的方式将二维变为一维,要保证不重复。本例中四个变量都是1到2位数,所以我添加两个特征horizon=num*100+$cluster,longitude=pay*100+orient,这样不重不漏,也好辨识。所以pay+orient~num+cluster就变成了horizon~longitude

代码如下:

cross=read.csv("cross.csv")
 
 

你可能感兴趣的:(统计学习,编程学习R,建模实践)