R中的基本函数运算

一、均值

1.均值:mean(X)#计算所有元素的均值,包括矩阵、向量

2.行均值:apply(x,1,mean)

3.行均值:apply(x,2,mean)

注:如果x是数据框,则返回的就是向量

ex:mean(as.data.frame(x))

在做多元数据分析时,多元数据输入最好使用数据框的方式输入

4.在计算中某些数据是异常的,参数trim可以减少输入误差对计算的影响

ex:w.mean<-mean(w,trim=0.1)

0.1表示计算均值前需要去掉异常值的比例

5.有缺失值的时候无法计算均值,加上参数na.rm=TRUE可以计算有缺失值的均值

ex:w.mean<-mean(w.na,na.rm=TRUE);w.mean

6.加权向量

weight.mean(x,w,na.rm=TRUE)

x:数值向量

w:权值

二、顺序统计量

1.顺序排序

sort(x)

2.更广泛的功能

格式:sort(x,partial=NULL,na.last=NA,decreasing=FALSE,method=c("shell","quick"),index.return=FALSE)

partial:部分排序的指标向量

na.last:=NULL:不处理缺失数据;=FALSE缺失数据排在最后面;=TRUE缺失数据排在最前面

method:选择排序的方法。shell排序的复杂度为N的4/3次方,quick是快速排序

index.return:逻辑变量,TRUE为返回排序下标及排序结果,缺省为FASLE

decreasing:为TRUE时排序从大到小

三、中位数

中位数描述的是数据中心位置的数字特征,大体上比中位数或大或小的数据个数占整个数据的一半,对称分布的数据均值与中位数比较接近,偏态分布均值与中位数不同,中位数不受异常值的影响,具有稳健性

median(x,na.rm=TRUE):计算向量x的中位数,可处理有缺失值的数据

四:百分位数

quantile(x,probs=seq(0,1,0,25),na.rm=FASLE,names=TRUE,type=7,...)

probs:分位位置

五:方差、标准差、变异系数

变异系数是刻画数据相对分散性的一种度量记为CV=100*(s/x~)(%),x~为均值

方差:var(x)

标准差:sd(x)

协方差:cov(x)

相关矩阵:cor(x)

变异系数:cv=100*sd(x)/mean(x);cv

校正平方和:css=sum((w-mean(w))^2);css

未校正平方和:uss=sum(w^2);uss

样本极差:R=max(x)-min(x);R

样本标准误:sm=sd(x)/sqrt(length(x))

样本偏度系数:g1=n/((n-1)*(n-2))*sum((x-m)^3)/(sd(x))^3

样本峰度系数:g2=(n*(n+1))/((n-1)*(n-2)*(n-3))*sum((x-m)^4)/s^4-(3*(n-1)^2)/((n-2)*(n-3))#s=sd(x)

时间: 2024-11-07 06:31:04

R中的基本函数运算的相关文章

关系代数中的除法运算

这个概念的描述的非常抽象,刚开始学习的同学完全不知所云.这里通过一个实例来说明除法运算的求解过程 设有关系R.S 如图所示,求R÷S 的结果 求解步骤过程:      第一步:找出关系R和关系S中相同的属性,即Y属性.在关系S中对Y做投影(即将Y列取出):所得结果如下 第二步:被除关系R中与S中不相同的属性列是X ,关系R在属性(X)上做取消重复值的投影为{X1,X2}:       第三步:求关系R中X属性对应的像集Y 根据关系R的记录,可以得到与X1值有关的记录,如图3所示:与X2有关的记录

R语言编程艺术(2)R中的数据结构

本文对应<R语言编程艺术>第2章:向量:第3章:矩阵和数组:第4章:列表:第5章:数据框:第6章:因子和表 ========================================================================= R语言最基本的数据类型就是向量(vector),单个数值和矩阵都是向量的一种特例. 声明:R中不需要声明变量,但是注意函数式语言的特性,如果读写向量中的元素时,R事先不知道对象是向量的话,则函数没有执行的对象.如下代码是无法工作的: y[1]

Learn Prolog Now 翻译 - 第五章 - 数字运算 - 第一节,Prolog中的数字运算

内容提要 Prolog中的数字运算 Porlog运算的本质 Prolog中的数字运算 Prolog语言本身提供了一些基础的运算符号,对整数进行一些操作(即类似...-3, -2, -1, 0, 1, 2, 3等).多数Prolog的实现同时也提供了一些工具对实数进行操作 (比如浮点数,1.53,6.35,等等).但是我们不会讨论浮点数,因为浮点数在典型的Prolog应用中很少,所以不是本文的重点.但是另一方面,整数是在Prolog 中有典型应用场景的(比如记录列表的长度),所以掌握起应用是十分重

(数据科学学习手札19)R中基本统计分析技巧总结

在获取数据,并且完成数据的清洗之后,首要的事就是对整个数据集进行探索性的研究,这个过程中会利用到各种描述性统计量和推断性统计量来初探变量间和变量内部的基本关系,本篇笔者便基于R,对一些常用的数据探索方法进行总结: 1.描述性统计量部分 1.1 计算描述性统计量的常规方法 summary() summary()函数提供了最小值.最大值.四分位数和数值型变量的均值,以及因子向量和逻辑型向量的频数统计: > #挂载鸢尾花数据 > data(iris) > #计算鸢尾花各变量的基本描述统计量 &

R中读取EXCEL 数据的方法

最近初学R语言,在R语言读入EXCEL数据格式文件的问题上遇到了困难,经过在网上搜索解决了这一问题,下面归纳几种方法,供大家分享: 第一:R中读取excel文件中的数据的路径: 假定在您的电脑有一个excel文件,原始的文件路径是:D:\work\data\1 如果直接把这个路径拷贝到R中,就会出现错误,原因是: \是escape character(转义符),\\才是真正的\字符,或者用/ 因此,在R中有两种方法读取该路径: 1:在R中输入一下路径:D:\\work\\data\\1     

【转】R中有关数据挖掘的包

下面列出了可用于数据挖掘的R包和函数的集合.其中一些不是专门为了数据挖掘而开发,但数据挖掘过程中这些包能帮我们不少忙,所以也包含进来. 1.聚类 常用的包: fpc,cluster,pvclust,mclust 基于划分的方法: kmeans, pam, pamk, clara 基于层次的方法: hclust, pvclust, agnes, diana 基于模型的方法: mclust 基于密度的方法: dbscan 基于画图的方法: plotcluster, plot.hclust 基于验证的

R中按组数据分析

如下的一组数据: age group 1 23.0883 1 2 25.8344 1 3 29.4648 1 4 32.7858 2 5 33.6372 1 6 34.9350 1 7 35.2115 2 8 35.2115 2 9 35.2115 2 10 36.7803 1 如果想要对两组数据分别进行均值和求和,最简单的想法是按类做分组的子矩阵,但是太麻烦. 如果要得到下面的结果:group mean sd 1 34.5 5.6 2 32.3 4.2 ...今天学到的方法是:plyr包中的d

R 中正则

在R中使用正则,可以指定perl=True 构造复杂正则,这也是本人比较熟悉在方式 > word <- c('a1:23asdfjaskldjf<->aa:112xzvasoiffncx909<->bb:23asdfjaskldjfAAA') > pattern<- 'bb.*(?=(<->|$))' > (gregout <- gregexpr(pattern,word,perl=TRUE)) [[1]] [1] 45 attr(,

R︱并行计算以及提高运算效率的方式(parallel包、clusterExport函数、foreach包、SupR包等)

终于开始攻克并行这一块了,有点小兴奋,来看看网络上R语言并行办法有哪些: 赵鹏老师(R与并行计算)做的总结已经很到位.现在并行可以分为:  隐式并行:隐式计算对用户隐藏了大部分细节,用户不需要知道具体数据分配方式 ,算法的实现或者底层的硬件资源分配.系统会根据当前的硬件资源来自动启动计算核心.显然,这种模式对于大多数用户来说是最喜闻乐见的. 显性并行:显式计算则要求用户能够自己处理算例中数据划分,任务分配,计算以及最后的结果收集.因此,显式计算模式对用户的要求更高,用户不仅需要理解自己的算法,还