R语言实现单变量分析教程

单变量分析是理解单个变量的数值分布情况，与之相对的有双变量分析和多变量分析。

加载示例数据

因为csv文件中年收入字段有千分位分隔符，所以先定义转换函数。

setClass("num.with.commas")
setAs("character", "num.with.commas", function(from) as.numeric(gsub(",", "", from) ) )data <- read.csv("csv/data.csv",colClasses=c('numeric','numeric','num.with.commas','numeric'))
data#    HouseholdID HouseholdSize AnnInCome NumberOfPets
# 1            1             2    37,000            0
# 2            2             4    49,000            0
# 3            3             4    58,000            1
# 4            4             1    68,000            3
# 5            5             3    61,000            2
# 6            6             5    64,000            2
# 7            7             6    79,000            1
# 8            8             4    89,000            1
# 9            9             7   104,000            1
# 10          10             2    95,000            0

我们可以对上面任何一列进行单变量分析，以获得数据分布的更深理解。举例我们选择第二列 HouseholdSize 进行分析，主要包括三类分析：概要统计、频率分布、图表可视化。

概要统计

概要统计是单变量分析中最常用的方法。主要包括两类概要统计：

衡量中心趋势

描述数据集中心的位置，包括平均值和中位数。

mean(data$HouseholdSize)
# 3.8median(data$HouseholdSize)
# 4

衡量离散趋势

描述数值在数据集中的分布情况，包括范围、四分位范围、标准差和方差。

range_info <- max(data$HouseholdSize) - min(data$HouseholdSize)
range_info
# 6# 获得最小值 和 最大值
range(data$HouseholdSize)
# 1 7# IQR = Q3 – Q1
# 中间50% 数据范围
IQR(data$HouseholdSize)
# 2.5sd(data$HouseholdSize)
# 1.87# 最小 Q1 中位数 Q3 最大值
fivenum(data$HouseholdSize)
# 1 2 4 5 7# 计算分位数
quantile(data$HouseholdSize)#   0%  25%  50%  75% 100%
# 1.00 2.25 4.00 4.75 7.00 summary(data$HouseholdSize)# Min. 1st Qu.  Median    Mean 3rd Qu.    Max.
# 1.00    2.25    4.00    3.80    4.75    7.00

频率分布

执行单变量分析的另一种方法是创建频率分布，该分布描述不同值在数据集中出现的频率，通常用于分析因子变量。

table(data$HouseholdSize)# 1 2 3 4 5 6 7
# 1 2 1 3 1 1 1

结果显示2有连个， 4 有三个，其他数有1个。

图表分析

通过图表以可视化方式展示变量的数据分布情况。

常用图形包括：

箱线图

箱线图可以同时展示5个数的概要信息，最小Q1，中位数，Q3，最大值

boxplot(data$HouseholdSize, main="Boxplot of HouseHoldSize")

直方图

直方图用于垂直条形图展示频率，通常用于显示数据分布。

hist(data$HouseholdSize, main="Hist of HouseHoldSize")

密度曲线图

密度曲线表示数据集中值分布曲线。可视化方式展示分布形状，是否包括多峰，偏度情况。


holdSize_density <- density(data$HouseholdSize)
plot(holdSize_density, main = "density of hold size")

饼图

饼图展示每个数值占用的百分比。

pie(data$HouseholdSize, main = "Distribution of HoldSize")

通过不同图形可视化，可以更方便观测数值的分布情况。

R语言实现单变量分析教程相关推荐

R语言实现双变量分析教程
双变量分析表示分析两个变量. 双变量分析是为了分析两个变量之间的关系,与单变量.多变量分析对应.主要有三种方式进行双变量分析. 散点图相关系数简单线性回归下面使用测试数据作为示例来演示三种方法, ...
R语言七天入门教程二：认识变量与运算符
R语言七天入门教程二:认识变量与运算符一.什么是变量 1.变量顾名思义,我们可以将变量理解为"可以改变的量",是计算机语言中能储存计算结果或能表示值的抽象概念.这里的值可以是数 ...
大数据分析R语言tidyverse数据清洗工具教程
凌乱的数据集无处不在.如果要分析数据,不可避免地需要清理数据.在大数据分析R语言tidyverse数据清洗工具教程中,我们将研究如何使用R和一些漂亮的tidyverse工具来做到这一点. 该tidyv ...
R语言时间序列ARIMA新手教程
R语言时间序列ARIMA新手教程首先说一下ARMA回归的底层逻辑,所谓的AR模型和MA模型都是ARMA模型的一种特殊情况,有点类似正方形和长方形都是矩形.ARMA模型的表达式为: p为自回归部分的滞 ...
R语言七天入门教程六：文件相关操作
R语言七天入门教程六:文件相关操作一.文件的读写 R 语言作为统计学编程语言,常常需要处理大量数据,而这些数据通常会从文件中进行读取,因此文件读写在R语言中是非常重要的操作.在R语言中,用到最多的文 ...
R语言介绍及安装教程
R语言是一种免费的开源编程语言和环境,主要用于数据分析.统计建模和可视化.它可以运行在不同的操作系统上,如Windows.MacOS和Linux.R语言具有以下特点: 丰富的数据处理和统计分析函数库: ...
R语言七天入门教程三：学习基本结构
R语言七天入门教程三:学习基本结构一.编程的语言的基本结构 1.三种基本结构绝大多数编程语言,都有三种最基本的程序结构:顺序结构.分支结构.循环结构.这三种结构的流程图如下所示(从左至右依次为:顺 ...
【一天一门编程语言】R 语言程序设计极简教程
R 语言程序设计极简教程文章目录 R 语言程序设计极简教程 R语言简介 1.1 介绍 1.2 R 语言的基础知识 1.2.1 语法 1.2.2 数据类型 1.2.3 基本操作 1.3 R 语言的高级 ...
R语言七天入门教程五：认识并使用函数
R语言七天入门教程五:认识并使用函数一.什么是函数在编程语言中,如果有一段代码需要在多次重复使用,除了复制粘贴外,还可以将其写成一个函数.函数可以很方便地实现代码复用,对于复杂的程序功能,可以将其 ...
利用R语言制作GGEBiplot-双标图教程
我是目录前言 1.GGEBiplot简介 2.GGEBiplot使用步骤 2.1 引入库 2.2 图像界面操作 3.GGE 双标图重要功能图型. 3.1 "哪个赢在哪里"图 3. ...