从零开始学R数据分析，数据描述与统计

欢迎大家来到IT世界,在知识的湖畔探索吧!

在前面的章节，学习R数据分析的内容，主要包含数据概览、数据清洗、数据预处理、数据筛选的内容，这一节主要介绍数据描述的内容，包含描述统计、标准差、协方差和相关系数的使用方法，以及数据汇总内容，下面一起来学习。

示例工具：R x64 3.5.3、RStudio

本文讲解内容：数据描述与汇总

适用范围：数据描述、数据汇总

欢迎大家来到IT世界,在知识的湖畔探索吧!

本次内容的学习需要先创建一组数据集，数据内容包含”ID”、”NAME”等五个字段，数据结果如下。

#手动创建数据表data data<-data.frame(ID=c("c001","c002","c003","c004","c005","c006","c007","c008","c009","c010"), NAME=c("Rmesh","Khilan","Kaushik","Chaitali","Hardik","Komal","Tom","Muffy","Susan","Kevin"), AGE=c(23,20,23,25,27,24,26,31,26,30), ADDRESS=c("Ahmed","Delhi","Kota","Mumbai","Bhopal","MP-A","MP-B","Indore","JP-No.1","JP-No.2"), SAL=c(2000,1500,2000,5000,8500,6500,5500,9500,7000,9000))

欢迎大家来到IT世界,在知识的湖畔探索吧!

一、数据描述

在Excel中，我们使用数据分析工具箱，即可对数据做描述统计、协方差、相关系数等分析，操作较为简单。

在R中使用summary函数对数据描述统计，summary函数是进行描述统计的函数，自动生成数据的数量，均值，标准差等数据，如下是对手动创建数据表data做描述统计。

在数据表data中，除”AGE”、”SAL”其他三个字段是非数值型字段，所以没有描述统计结果，而”AGE”、”SAL”两个数值型字段计算的描述统计结果如下所示：

欢迎大家来到IT世界,在知识的湖畔探索吧!#数据表描述统计 summary(data)

除了对整个数据表data做描述统计，还可以对某一个数据列单独做描述统计，如下将SAL列索引出来，然后使用summary函数做描述统计。

#特定列描述统计 summary(data$SAL)

对数据计数使用length函数，如下对整个数据表计数。

欢迎大家来到IT世界,在知识的湖畔探索吧!#数据表计数 length(data)

还可以对数据表索引出某一列计数。

#特定列计数 length(data$SAL)

求和使用sum函数，这里对收入求和。

欢迎大家来到IT世界,在知识的湖畔探索吧!#求和 sum(data$SAL)

求平均收入使用mean函数。

#均值 mean(data$SAL)

求收入的最大值使用max函数。

欢迎大家来到IT世界,在知识的湖畔探索吧!#最大值 max(data$SAL)

求收入的最小值使用min函数。

#最小值 min(data$SAL)

求年龄的方差使用var函数。

欢迎大家来到IT世界,在知识的湖畔探索吧!#方差 var(data$AGE)

求年龄的标准差使用sd函数。

#标准差 sd(data$AGE)

二、数据汇总

数据汇总内容包含数据分组和数据透视，在R中进行数据汇总的方法有很多，这里主要介绍table函数和tapply函数，下面分别介绍这两个函数的使用方法，使用table函数对薪水的分布情况计数。

欢迎大家来到IT世界,在知识的湖畔探索吧!#使用table()函数进行汇总计数 table(data$SAL)

使用table函数 ，将年龄作为行字段，薪水情况作为列字段进行计数，类似EXCEL中的数据透视功能，汇总依据是计数。

#使用table()函数对两个字段进行汇总计数 table(data$AGE,data$SAL)

除了汇总依据是计数，还可以将汇总的依据变为求和，使用tapply函数，对每个人的收入进行汇总，数据结果如下：

欢迎大家来到IT世界,在知识的湖畔探索吧!#按人名对薪资求和汇总 tapply(data$SAL,data$NAME,sum)

如果是计数，在tapply函数中使用length函数，即对该字段计数。

#按年龄对ID计数汇总 tapply(data$ID,data$AGE,length)