R中五种常用的统计分析方法
1、分组分析aggregation
根据分组字段,将分析对象划分为不同的部分,以进行对比分析各组之间差异性的一种分析方法。
常用统计指标:
计数 length
求和 sum
平均值 mean
标准差 var
方差 sd
分组统计函数
aggregate(分组表达式,data=需要分组的数据框,function=统计函数)
参数说明
formula:分组表达式,格式:统计列~分组列1+分组列2+...
data=需要分组的数据框
function:统计函数
aggregate(name ~ class, data=data, FUN=length);
#求和
aggregate(score ~ class, data=data, FUN=sum);
#均值
aggregate(score ~ class, data=data, FUN=mean);
#方差
aggregate(score ~ class, data=data, FUN=var);
#标准差
aggregate(score ~ class, data=data, FUN=sd)
2、分布分析cut
根据分析目的,将数据(定量数据)进行等距或者不等距的分组,进行研究各组分布规律的一种分析方法。
分组函数
cut(data,breaks,labels,right)
参数说明
data=需要分组的一列数据
breaks=分组条件,如果是一个数字,那么将平均分组;如果是一个数组,那么将按照指定范围分组
labels:分组标签
right:指定范围是否右闭合,默认为右闭合,right参数为TRUE
用户明细 <- read.csv('data.csv', stringsAsFactors=FALSE)
head(用户明细)
breaks <- c(min(用户明细$年龄)-1, 20, 30, 40, max(用户明细$年龄)+1)
年龄分组 <- cut(用户明细$年龄, breaks = breaks)
用户明细[, '年龄分组1'] <- 年龄分组
年龄分组 <- cut(用户明细$年龄, breaks = breaks, right = FALSE)
用户明细[, '年龄分组2'] <- 年龄分组
labels <- c('20岁以及以下', '21岁到30岁', '31岁到40岁', '41岁以上');
年龄分组 <- cut(用户明细$年龄, breaks = breaks, labels = labels)
用户明细[, '年龄分组'] <- 年龄分组
head(用户明细)
aggregate(formula=用户ID ~ 年龄分组, data=用户明细, FUN=length)
3、交叉分析tapply(相当于excel里的数据透视表)
通常用于分析两个或两个以上,分组变量之间的关系,以交叉表形式进行变量间关系的对比分析;
交叉分析的原理就是从数据的不同维度,综合进行分组细分,以进一步了解数据的构成、分布特征。
交叉分析函数:
tapply(统计向量,list(数据透视表中的行,数据透视变中的列),FUN=统计函数)
返回值说明:
一个table类型的统计量
breaks <- c(min(用户明细$年龄)-1, 20, 30, 40, max(用户明细$年龄)+1)
labels <- c('20岁以及以下', '21岁到30岁', '31岁到40岁', '41岁以上');
年龄分组 <- cut(用户明细$年龄, breaks = breaks, labels = labels)
用户明细[, '年龄分组'] <- 年龄分组
head(用户明细)
tapply(用户明细$用户ID, list(用户明细$年龄分组, 用户明细$性别), FUN=length)
4、结构分析prop.table
是在分组的基础上,计算各组成部分所占的比重,进而分析总体内部特征的一种分析方法。
for example:资产占有率就是一个非常经典的运用
统计占比函数
prop.table(table,margin=NULL)
参数说明:
table,使用tapply函数统计得到的分组计数或求和结果
margin,占比统计方式,具体参数如下:
属性注释
1按行统计占比
2按列统计占比
NULL按整体统计占比
data <- read.csv('data.csv', stringsAsFactors=FALSE);
head(data)
t <- tapply(data$月消费.元., list(data$通信品牌), sum)
t
prop.table(t);
t <- tapply(data$月消费.元., list(data$通信品牌), mean)
t
prop.table(t);
t <- tapply(data$月消费.元., list(data$省份, data$通信品牌), sum)
t
prop.table(t, margin = 2)
5、相关分析prop.table
是研究现象之间是否存在某种依存关系,并对具体有依存关系的现象探讨其相关方向以及相关程度,是研究随机变量之间的相关关系的一种统计方法。
相关系数r 可以用来描述定量变量之间的关系
相关分析函数:
cor(向量1,向量2,...)返回值:table类型的统计量
data <- read.csv('data.csv', fileEncoding = "UTF-8");
cor(data[, 2:7])
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在当今这个数据驱动的时代,几乎每一个业务决策都离不开对数据的深入分析。而其中,指标波动归因分析更是至关重要的一环。无论是 ...
2025-02-18当数据开始说谎:那些年我们交过的学费 你有没有经历过这样的场景?熬了三个通宵做的数据分析报告,在会议上被老板一句"这数据靠 ...
2025-02-17数据分析作为一门跨学科领域,融合了统计学、编程、业务理解和可视化技术。无论是初学者还是有一定经验的从业者,系统化的学习路 ...
2025-02-17挖掘用户价值本质是让企业从‘赚今天的钱’升级为‘赚未来的钱’,同时让用户从‘被推销’变为‘被满足’。询问deepseek关于挖 ...
2025-02-17近来deepseek爆火,看看deepseek能否帮我们快速实现数据看板实时更新。 可以看出这对不知道怎么动手的小白来说是相当友好的, ...
2025-02-14一秒精通 Deepseek,不用找教程,不用买资料,更不用报一堆垃圾课程,所有这么去做的,都是舍近求远,因为你忽略了 deepseek 的 ...
2025-02-12自学 Python 的关键在于高效规划 + 实践驱动。以下是一份适合零基础快速入门的自学路径,结合资源推荐和实用技巧: 一、快速入 ...
2025-02-12“我们的利润率上升了,但销售额却没变,这是为什么?” “某个业务的市场份额在下滑,到底是什么原因?” “公司整体业绩 ...
2025-02-08活动介绍 为了助力大家在数据分析领域不断精进技能,我们特别举办本期打卡活动。在这里,你可以充分利用碎片化时间在线学习,让 ...
2025-02-071、闺女,醒醒,媒人把相亲的带来了。 我。。。。。。。 2、前年春节相亲相了40个, 去年春节相亲50个, 祖宗,今年你想相多少个 ...
2025-02-06在数据科学的广阔领域中,统计分析与数据挖掘占据了重要位置。尽管它们常常被视为有关联的领域,但两者在理论基础、目标、方法及 ...
2025-02-05在数据分析的世界里,“对比”是一种简单且有效的方法。这就像两个女孩子穿同一款式的衣服,效果不一样。 很多人都听过“货比三 ...
2025-02-05当我们只有非常少量的已标记数据,同时有大量未标记数据点时,可以使用半监督学习算法来处理。在sklearn中,基于图算法的半监督 ...
2025-02-05考虑一种棘手的情况:训练数据中大部分样本没有标签。此时,我们可以考虑使用半监督学习方法来处理。半监督学习能够利用这些额 ...
2025-02-04一、数学函数 1、取整 =INT(数字) 2、求余数 =MOD(除数,被除数) 3、四舍五入 =ROUND(数字,保留小数位数) 4、取绝对值 =AB ...
2025-02-03作者:CDA持证人 余治国 一般各平台出薪资报告,都会哀嚎遍野。举个例子,去年某招聘平台发布《中国女性职场现状调查报告》, ...
2025-02-02真正的数据分析大神是什么样的呢?有人认为他们能轻松驾驭各种分析工具,能够从海量数据中找到潜在关联,或者一眼识别报告中的数 ...
2025-02-01现今社会,“转行”似乎成无数职场人无法回避的话题。但行业就像座围城:外行人看光鲜,内行人看心酸。数据分析这个行业,近几年 ...
2025-01-31本人基本情况: 学校及专业:厦门大学经济学院应用统计 实习经历:快手数据分析、字节数据分析、百度数据分析 Offer情况:北京 ...
2025-01-3001专家简介 徐杨老师,CDA数据科学研究院教研副总监,主要负责CDA认证项目以及机器学习/人工智能类课程的研发与授课,负责过中 ...
2025-01-29