用R语言学习数据挖掘——1.用R计算数据基本统计量（均值）
目录
均值（mean）
用R计算均值
mean(x, trim=0, na.rm=FALSE）
例1
例2
apply(x，1或2，计算函数 )
例3
参数trim
例4
参数na.rm
例5
学习机器学习和数据挖掘中的各种算法和模型，需要掌握统计学的基本概念。统计学是通过搜索、整理、分析数据等手段，以达到推断所测对象的本质，并预测对象未来走势的一门综合性科学。
简单说，统计学是根据样本估计总体的科学。它的一些思想和大数据思想有些相悖，不关注数据的大小，而是更关注数据的好坏。
分析数据的第一步要进行数据描述性分析，数据描述性分析指的是：通过绘制统计图、编译统计 表、描述统计量等方法来表数据数据的分布特征。
其中，描述统计量包括：中心趋势度量、分散程度度量
| 中心趋势度量 | 描述样本数据的集中趋势的统计量 | 均值、中位数、众数、百分位数…… |
| 分散程度度量 | 又称散布度量 | 方差、标准差、极差、百分位数…… |
对于R中的必会操作可以参见：R语言必会基础语法
均值（mean）
均值数据的平均值
均值和期望：数据总体的平均值是均值，数据样本的平均值是期望。
用R计算均值
函数：在R中，可以用mean()函数来计算样本的均值
mean(x, trim=0, na.rm=FALSE）
其中，x是样本数据（比如向量、矩阵、数组或数据框），trim是计算均值前去掉与均值差较大数据的比例， 缺省值为0，即包含全部数据。当na.rm=FALSE时，允许数据中有缺失数据。
例1
> data<-c(30,31,47,50,52,56,60,63,70,70,110)
> data
[1] 30 31 47 50 52 56 60 63 70 70 110
> result=mean(data);result
[1] 58.09091
mean()函数还可以计算一个矩阵的总体数据均值。
例2
> data<-1:12
> dim(data)<-c(3,4);data
[,1] [,2] [,3] [,4]
[1,] 1 4 7 10
[2,] 2 5 8 11
[3,] 3 6 9 12
> result=mean(data);result
[1] 6.5
apply(x，1或2，计算函数 )
计算矩阵中每行或每列的均值，需要调用apply()函数。
其中，x是样本数据，数字1表示求每行的数据平均值，数字2表示求每列的平均值。
还以上面的矩阵为例
例3
> result=apply(data,1,mean);result
[1] 5.5 6.5 7.5
> result=apply(data,2,mean);result
[1] 2 5 8 11
参数trim
均值的弱点是对异常值敏感，所以有的时候我们需要剔除掉一些数据，然后才能得到准确有意义的均值。
比如下面这组数据记录学生的体重值：
750,64.0,47.4,66.9,62.2,62.2,58.7,63.5
66.6,64.0,57.0,69.0,56.9,50.0,72.0
其中有一个值少了个小数点，变成了750kg，此时计算均值就是有误差的。所以需要把异常值替换掉。可以调用 mean()里的trim参数来处理。 trim的取值在0~0.5之间， 表示在计算均值前需要去掉的异常值比例。
当然，异常值也不是一定要剔除的，有些情况下，会专门做离群点分析。
例4
> data<-c(750,64.0,47.4,66.9,62.2,62.2,58.7,63.5,66.6,64.0,57.0,69.0,56.9,50.0,72.0);data
[1] 750.0 64.0 47.4 66.9 62.2 62.2 58.7 63.5 66.6 64.0 57.0 69.0
[13] 56.9 50.0 72.0
> result=mean(data,trim=0.1);result
[1] 62.53846图中所求的第一个均值是没有剔除异常值时的均值，第二个为加入trim参数后的均值：
参数na.rm
有时样本数据里有缺失值，比如下组数据：
75.0,64.0,47.4,66.9,62.2,62.2,58.7,63.5,66.6,64.0,57.0,69.0,56.9,50.0,NA
这样在计算均值时就会出现错误，此时可以选用参数na.rm=TRUE来忽略控制。
例5
> data<-c(75.0,64.0,47.4,66.9,62.2,62.2,58.7,63.5,66.6,64.0,57.0,69.0,56.9,50.0,NA)
> result=mean(data,na.rm=TRUE);result
[1] 61.67143
> result=mean(data);result
[1] NA
图中可以看到，在有缺失值的情况下，直接求均值，结果为NA：
补充：加权算术均值
每一个样本数据x都有一个对应的权重W与之关联，权重反映了对应数据x的重要程度。
