作者：丁點(diǎn)helper

來(lái)源：丁點(diǎn)幫你

今天開(kāi)始學(xué)習(xí)在R語(yǔ)言中做描述性統(tǒng)計(jì)。為了便于大家邊學(xué)邊練，可以下載這個(gè)數(shù)據(jù)：

文件名：titanic.csv

鏈接：https://pan.baidu.com/s/1Pj0EsaBZdnw6mHPpeVd9Aw  

密碼:  yuym

將本地文件導(dǎo)入到R中

為了便于數(shù)據(jù)管理和操作，我們通常會(huì)把數(shù)據(jù)保存為.csv格式，這是excel中的一種較為簡(jiǎn)單的數(shù)據(jù)格式。想要把一個(gè).csv格式的數(shù)據(jù)導(dǎo)入R，可以用read.csv()這個(gè)函數(shù)：

# 將本地文件titanic.csv導(dǎo)入到R中，
# 并存儲(chǔ)到titanic這個(gè)對(duì)象中titanic 
  <- read.csv("http://Users//Desktop//titanic.csv"，header = TRUE)

假設(shè)該本地文件存儲(chǔ)的是1912年沉沒(méi)于大西洋的巨型郵輪泰坦尼克號(hào)中乘客的基本信息。

上面第一個(gè)命令"http://Users//Desktop//titanic.csv"是文件titanic.csv的本地存儲(chǔ)地址，大家要根據(jù)自己電腦的存儲(chǔ)位置自行調(diào)整；

第二個(gè)命令header = TRUE 是指將原文件中的第一行自動(dòng)設(shè)置為文件的列名。

如果你的.csv文件中并無(wú)列名，而是希望在導(dǎo)入R之后再設(shè)置，則應(yīng)將第二個(gè)命令設(shè)置為header = FALSE。

了解數(shù)據(jù)

上篇文章講過(guò)，拿到一個(gè)數(shù)據(jù)庫(kù)，首先要了解它的基本信息。之前已經(jīng)講過(guò)，我們簡(jiǎn)單復(fù)習(xí)一下。

class(titanic)  
#對(duì)象是什么數(shù)據(jù)結(jié)構(gòu)[1] "data.frame"dim(titanic)    
#查看數(shù)據(jù)有幾行幾列[1] 1309    6names(titanic)  
#查看數(shù)據(jù)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這個(gè)數(shù)據(jù)框中有1309條記錄，6個(gè)變量。

這6個(gè)變量依次為艙位等級(jí)、是否幸存、性別、年齡、同行的兄弟姐妹或配偶數(shù)量、同行的父母或子女?dāng)?shù)量。

描述性統(tǒng)計(jì)

接下來(lái)我們來(lái)對(duì)titanic這個(gè)數(shù)據(jù)做描述性統(tǒng)計(jì)。

1. 每個(gè)等級(jí)的船艙中分別有多少人？

有兩種方法，一是table()函數(shù)，用于統(tǒng)計(jì)分類(lèi)變量pclass中各類(lèi)別的頻數(shù)；二是summary()函數(shù)，功能是做描述性統(tǒng)計(jì)，既適用于分類(lèi)也適用于計(jì)數(shù)變量，可以用來(lái)統(tǒng)計(jì)分類(lèi)變量的頻數(shù)、計(jì)算計(jì)數(shù)變量的均數(shù)、百分位數(shù)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. 遇難者與幸存者分別有多少人？

table(titanic$survived)   
died  survived       
809      500 

3. 每個(gè)等級(jí)的艙位中分別有多少人遇難、多少人幸存？

本例中，按照『艙位等級(jí)』和『是否幸存』兩個(gè)條件統(tǒng)計(jì)乘客狀況，共6種可能。仍使用table()函數(shù)，統(tǒng)計(jì)每種可能的狀況分別有多少人，生成交叉列聯(lián)表。

# 將列聯(lián)表存儲(chǔ)在tab1中tab1 
  <- table(titanic$survived,titanic$pclass)
# 查看tab1的內(nèi)容tab1           
1st 2nd 3rd   died      
123 158 528   
survived  
200 119 181

4. 每個(gè)等級(jí)的艙位中幸存者的比例是多少呢？

思路很簡(jiǎn)單，就是每等級(jí)艙位中幸存者的人數(shù)占該艙位總?cè)藬?shù)的比例。

1）那我們先看看每等級(jí)艙位中幸存者的人數(shù)怎么算，上面的tab1第二行就是，只需要將其提取出來(lái)，方法和前面講過(guò)的如何提取數(shù)據(jù)框中的行和列相同：

#提取tab1的第二行tab1[2, ] 
1st 2nd 3rd  
200 119 181

2）每種艙位總?cè)藬?shù)？上面也已經(jīng)計(jì)算過(guò)：

table(titanic$pclass) 
1st 2nd 3rd  
323 277 709

還有一種方法，使用apply()函數(shù)，功能是對(duì)矩陣類(lèi)數(shù)據(jù)的行或列進(jìn)行批量處理：

apply(tab1,2,sum) 
1st 2nd 3rd 
323 277 709

函數(shù)中有三個(gè)命令。第一個(gè)命令tab1表示待處理的數(shù)據(jù)；第二個(gè)命令2表示對(duì)tab1的每一列進(jìn)行處理，若需處理每一行，則第二個(gè)命令應(yīng)輸入數(shù)字1；第三個(gè)命令sum表示求和。

因此，上述語(yǔ)句的意義為：對(duì)tab1中的每一列求和，即計(jì)算每個(gè)等級(jí)艙位中的總?cè)藬?shù)。

3）求每等級(jí)艙位中幸存者的人數(shù)占該艙位總?cè)藬?shù)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）你一定也發(fā)現(xiàn)了，這個(gè)結(jié)果非常不美觀，也不適合在科研工作中報(bào)告。我們做以下變化：

# 先乘以100
tab1[2, ]/apply(tab1,2,sum)*100 
1st      2nd      3rd 
61.91950 42.96029 25.52891
# 保留2位小數(shù) 
round(tab1[2, ]/apply(tab1,2,sum)*100,2)   
1st   2nd   3rd  
61.92 42.96 25.53

round()函數(shù)的功能是保留小數(shù)位數(shù)。

上面的代碼中，第一個(gè)命令tab1[2, ]/apply(tab1,2,sum)*100 是需要保留小數(shù)的對(duì)象；

第二個(gè)命令2是指保留2位小數(shù)。

5）可是這個(gè)結(jié)果顯然不對(duì)，加上百分號(hào)%才是準(zhǔn)確的。需要用到paste()函數(shù)，該函數(shù)的功能是把各種元素連接起來(lái)，本例中，我們希望把數(shù)字和百分號(hào)連接：

paste(round(tab1[2, ]/apply(tab1,2,sum)*100,2),"%",sep="")
"61.92%" "42.96%" "25.53%"

第一個(gè)命令round(tab1[2, ]/apply(tab1,2,sum)*100,2) 就是上面計(jì)算好的百分?jǐn)?shù)的數(shù)字部分，這是要連接的第一部分；

第二個(gè)命令"%" 是要連接的第二部分；

第三個(gè)命令sep="" 指兩個(gè)元素之間的連接符號(hào)，這里我們不需要任何連接符號(hào)，所以引號(hào)""之間什么都不用寫(xiě)。