作者:丁点helper
来源:丁点帮你
今天开始学习在R语言中做描述性统计。为了便于大家边学边练,可以下载这个数据:
文件名:titanic.csv
链接:https://pan.baidu.com/s/1Pj0EsaBZdnw6mHPpeVd9Aw
密码: yuym
将本地文件导入到R中
为了便于数据管理和操作,我们通常会把数据保存为.csv格式,这是excel中的一种较为简单的数据格式。想要把一个.csv格式的数据导入R,可以用read.csv()这个函数:
# 将本地文件titanic.csv导入到R中, # 并存储到titanic这个对象中titanic <- read.csv("//Users//Desktop//titanic.csv",header = TRUE)
假设该本地文件存储的是1912年沉没于大西洋的巨型邮轮泰坦尼克号中乘客的基本信息。
上面第一个命令"//Users//Desktop//titanic.csv"是文件titanic.csv的本地存储地址,大家要根据自己电脑的存储位置自行调整;
第二个命令header = TRUE 是指将原文件中的第一行自动设置为文件的列名。
如果你的.csv文件中并无列名,而是希望在导入R之后再设置,则应将第二个命令设置为header = FALSE。
了解数据
上篇文章讲过,拿到一个数据库,首先要了解它的基本信息。之前已经讲过,我们简单复习一下。
class(titanic) #对象是什么数据结构[1] "data.frame"dim(titanic) #查看数据有几行几列[1] 1309 6names(titanic) #查看数据的列名[1] "pclass" "survived" "sex" "age" "sibsp" "parch" head(titanic) #查看前6行tail(titanic) #查看后6行
可以知道,titanic这个数据框中有1309条记录,6个变量。
这6个变量依次为舱位等级、是否幸存、性别、年龄、同行的兄弟姐妹或配偶数量、同行的父母或子女数量。
描述性统计
接下来我们来对titanic这个数据做描述性统计。
1. 每个等级的船舱中分别有多少人?
有两种方法,一是table()函数,用于统计分类变量pclass中各类别的频数;二是summary()函数,功能是做描述性统计,既适用于分类也适用于计数变量,可以用来统计分类变量的频数、计算计数变量的均数、百分位数等。
# 方法一table(titanic$pclass) 1st 2nd 3rd 323 277 709# 方法二summary(titanic$pclass) 1st 2nd 3rd 323 277 709
2. 遇难者与幸存者分别有多少人?
table(titanic$survived) died survived 809 500
3. 每个等级的舱位中分别有多少人遇难、多少人幸存?
本例中,按照『舱位等级』和『是否幸存』两个条件统计乘客状况,共6种可能。仍使用table()函数,统计每种可能的状况分别有多少人,生成交叉列联表。
# 将列联表存储在tab1中tab1 <- table(titanic$survived,titanic$pclass) # 查看tab1的内容tab1 1st 2nd 3rd died 123 158 528 survived 200 119 181
4. 每个等级的舱位中幸存者的比例是多少呢?
思路很简单,就是每等级舱位中幸存者的人数占该舱位总人数的比例。
1)那我们先看看每等级舱位中幸存者的人数怎么算,上面的tab1第二行就是,只需要将其提取出来,方法和前面讲过的如何提取数据框中的行和列相同:
#提取tab1的第二行tab1[2, ] 1st 2nd 3rd 200 119 181
2)每种舱位总人数?上面也已经计算过:
table(titanic$pclass) 1st 2nd 3rd 323 277 709
还有一种方法,使用apply()函数,功能是对矩阵类数据的行或列进行批量处理:
apply(tab1,2,sum) 1st 2nd 3rd 323 277 709
函数中有三个命令。第一个命令tab1表示待处理的数据;第二个命令2表示对tab1的每一列进行处理,若需处理每一行,则第二个命令应输入数字1;第三个命令sum表示求和。
因此,上述语句的意义为:对tab1中的每一列求和,即计算每个等级舱位中的总人数。
3)求每等级舱位中幸存者的人数占该舱位总人数的比例:
# 方法一 tab1[2, ]/table(titanic$pclass) 1st 2nd 3rd 0.6191950 0.4296029 0.2552891 # 方法二 tab1[2, ]/apply(tab1,2,sum) 1st 2nd 3rd 0.6191950 0.4296029 0.2552891
4)你一定也发现了,这个结果非常不美观,也不适合在科研工作中报告。我们做以下变化:
# 先乘以100 tab1[2, ]/apply(tab1,2,sum)*100 1st 2nd 3rd 61.91950 42.96029 25.52891 # 保留2位小数 round(tab1[2, ]/apply(tab1,2,sum)*100,2) 1st 2nd 3rd 61.92 42.96 25.53
round()函数的功能是保留小数位数。
上面的代码中,第一个命令tab1[2, ]/apply(tab1,2,sum)*100 是需要保留小数的对象;
第二个命令2是指保留2位小数。
5)可是这个结果显然不对,加上百分号%才是准确的。需要用到paste()函数,该函数的功能是把各种元素连接起来,本例中,我们希望把数字和百分号连接:
paste(round(tab1[2, ]/apply(tab1,2,sum)*100,2),"%",sep="") "61.92%" "42.96%" "25.53%"
第一个命令round(tab1[2, ]/apply(tab1,2,sum)*100,2) 就是上面计算好的百分数的数字部分,这是要连接的第一部分;
第二个命令"%" 是要连接的第二部分;
第三个命令sep="" 指两个元素之间的连接符号,这里我们不需要任何连接符号,所以引号""之间什么都不用写。
数据分析咨询请扫描二维码
《Python数据分析极简入门》 第2节 4 Pandas条件查询 在pandas中,可以使用条件筛选来选择满足特定条件的数据 importpanda ...
2024-11-22数据分析师的工作内容涉及多个方面,主要包括数据的收集、整理、分析和可视化,以支持商业决策和问题解决。以下是数据分析师的一 ...
2024-11-21数据分析师必须掌握的技能可以从多个方面进行归纳和总结。以下是数据分析师需要具备的主要技能: 统计学基础:数据分析师需要 ...
2024-11-21数据分析入门的难易程度因人而异,总体来看,入门并不算特别困难,但需要一定的学习和实践积累。 入门难度:数据分析入门相对 ...
2024-11-21数据分析是一项通过收集、整理和解释数据来发现有用信息的过程,它在现代社会中具有广泛的应用和重要性。数据分析能够帮助人们更 ...
2024-11-21数据分析行业正在迅速发展,随着技术的不断进步和数据量的爆炸式增长,企业对数据分析人才的需求也与日俱增。本文将探讨数据分析 ...
2024-11-21数据分析的常用方法包括多种技术,每种方法都有其特定的应用场景和优势。以下是几种常见的数据分析方法: 对比分析法:通过比 ...
2024-11-21企业数字化转型是指企业利用数字技术对其业务进行改造和升级,以实现提高效率、降低成本、创新业务模式等目标的过程。这一过程不 ...
2024-11-21数据分析作为一个备受追捧的职业领域,吸引着越来越多的女性加入其中。对于女生而言,在选择成为一名数据分析师时,行业选择至关 ...
2024-11-21大数据技术专业主要学习计算机科学、数学、统计学和信息技术等领域的基础理论和技能,旨在培养具备大数据处理、分析和应用能力的 ...
2024-11-21《Python数据分析极简入门》 第2节 3 Pandas数据查看 这里我们创建一个DataFrame命名为df: importnumpyasnpi ...
2024-11-21越老越吃香的行业主要集中在需要长时间经验积累和专业知识的领域。这些行业通常知识更新换代较慢,因此随着年龄的增长,从业者能 ...
2024-11-20数据导入 使用pandas库的read_csv()函数读取CSV文件或使用read_excel()函数读取Excel文件。 支持处理不同格式数据,可指定分隔 ...
2024-11-20大数据与会计专业是一门结合了大数据分析技术和会计财务理论知识的新型复合型学科,旨在培养能够适应现代会计业务新特征的高层次 ...
2024-11-20要成为一名数据分析师,需要掌握一系列硬技能和软技能。以下是成为数据分析师所需的关键技能: 统计学基础 理解基本的统计概念 ...
2024-11-20是的,Python可以用于数据分析。Python在数据分析领域非常流行,因为它拥有丰富的库和工具,能够高效地处理从数据清洗到可视化的 ...
2024-11-20在这个数据驱动的时代,数据分析师的角色变得愈发不可或缺。他们承担着帮助企业从数据中提取有价值信息的责任,而这些信息可以大 ...
2024-11-20数据分析作为现代信息时代的支柱之一,已经成为各行业不可或缺的工具。无论是在商业、科研还是日常决策中,数据分析都扮演着至关 ...
2024-11-20数字化转型已成为当今商业世界的热点话题。它不仅代表着技术的提升,还涉及企业业务流程、组织结构和文化的深层次变革。理解数字 ...
2024-11-20在现代社会的快速变迁中,选择一个具有长期增长潜力的行业显得至关重要。了解未来发展前景好的行业不仅能帮助我们进行职业选择, ...
2024-11-20