R语言学习笔记：数据的基本描述

1.分布

内置函数：d(概率密度函数，density)，p（累计分布函数，probability）,q（分位数，quantile）,r（伪随机数，random）

常用分布：正态分布：_norm，参数：mean,sd

                 二项分布：_binom，参数：size,prob

                 卡方分布：_chisq，参数：df,ncp

                 指数分布：_exp，参数：rate

                 负二项分布：_nbinom，参数：size,prob

                 泊松分布：_pois，参数：lambda

                 学生分布（t分布）：_t，参数：df

                 均匀分布：_unif，参数：min,max

                 F分布：_f，参数：df1,df2,ncp

2.集中趋势

平均数：mean()，调用格式：

 

mean(x,trim = 0,na.rm = FALSE,...)

x代表计算对象，可以为向量，矩阵，数据或数据框；trim用于设置计算前去掉与均值差别较大的数据比例，默认值为0；na.rm默认值为FALSE，表示不允许数据有缺失。

 

中位数：median()，用法同mean()

分位数：quantile(),

 

quantile(x,probs =,na.rm=0,...)

x代表计算对象，为数值向量；probs代表相应的百分位数，如seq（0, 1, 0.2）,默认值为c(0,0.25,0.5,0.75,1)；na.rm代表不允许有缺失数据。

 

3.离散趋势

方差：var(),调用格式：

var(x, y = NULL, na.rm = FALSE, use)

 

标准差: sd(),调用格式：

sd(x, na.rm = FALSE)

离差：mad(),调用格式：

 

 

mad(x, center = median(x), constant = 1.4826, na.rm = FALSE,low = FALSE,high = FALSE)

center代表中位数；constant是比例因子，默认为1.4826；参数low/high默认为FALSE，若为TRUE代表当样本数为偶数时，中位数取中间值中较小/大的那个

 

4.分布情况测度

偏度：skewness(),fBasic包

峰度：kurtosis(),fBasic包

5.多组数据情况

各组数据情况：summary()

相关系数矩阵：cor(),调用格式：

 

cor(x, y = NULL, use = "everything",method = c("pearson","kendall","spearman"))

其中x,y为计算对象，当x为数据框或列表时y可以省略；use指定如何处理确实样本；method指定计算哪种相关系数，默认为Pearson系数，用于度量线性相关性，如果数据不是线性关系，可以用Kendall或Spearman相关系数，计算秩相关性