用R語言進行數據探索

這一次我們來說一下數據的探索性分析,R語言圖標100X76
1） 主要分析工具
主要的圖形表示方法有
1條圖（barplot）：用于分類數據。
2．直方圖（hist）、點圖（dotchart）、莖葉圖（stem）：用于觀察數值型分布的形狀。
3．箱線圖（boxplot）：給出數值型分布的匯總數據，適用 于不同分布的比較和拖尾、截尾分布的識別。
4．正態(tài)概率圖（qqnorm）：用于觀察數據是否近似地服從 正態(tài)分布。
2）單變量數據分析
一 分類型數據
對于分類數據我們可以用頻數表來分析，也可以用條形圖和餅圖來描述。
1. 分類頻數表（table） 頻數表可以描述一個分類變量的數值分布概況。table（x）
2. 條圖（Barplot） 條圖的高度可以是頻數或頻率，圖的形狀看起來是一樣，但是刻度不一樣。R 畫條形圖的命令是 barplot()。對分類數據作條 形圖，需先對原始數據分組，否則作出的不是分類數據的條形圖。
3．餅圖用于表示各類別某種特征的構成比情況，它以圖形的總面積為 100％，扇形面積的 大小表示事物內部各組成部分所占的百分比構成比。用命令 pie()，像條形圖一樣對原始數據作餅圖前要先分組。

 二 數值型數據
1. 集中趨勢和離散程度 對于數值型數據，經常要分析一個分布的集中趨勢和離散程度，用來描述集中趨勢的主要有均值，中位數；描述離散程度的 主要有方差、標準差。求均值、中位數、方差、標準差的命令分別是 mean()、median()、var()、sd()在 R 里還提供了 fivenum（）對數值數據五等分法（運算） 和 summary（）求出分位數：
2.穩(wěn)健的集中趨勢和離散程度 用均值和方差描述集中趨勢和離散程度往往基于正態(tài)分布，而如果數據是長尾或是有異常值時，這時用均值和方差就不 能正確地描述集中趨勢和離散程度。還可以利用截尾均值來描述用 R 計算截尾均值,只要在 mean 函數里對 trim 參數進行設置就可以了,例如：mean(salarym,trim＝0.2)
3. 莖葉圖 用函數 stem（）
4．對數值數據分組 在 R 里可以用 cut 函數對數值數據進行分組。并用 table()函數整理成 頻數表形式：
例如： salaryg=cut(salary,breaks=c(2000,3000,4000,max(salary)))
5. 直方圖直方圖用于表示（描述）連續(xù)性變量的頻數分布，用于考察變量的分布是否服從某種分布類型。R 里用來作（做）直方圖的函數是 hist()，作頻率直方圖，把 probability 參數設置為 T 可以了，默認為 F。用 rug（）命令把各個數據豎線描繪在 X 軸上。
6. 箱線圖 函數是 boxplot( ) 可以設置垂直型和水平型，默認 是垂直型，要得到水平型箱線圖，只要把參數 horizontal 設為 T。
7. 密度函數線density()
3） 雙變量數據分析
一 分類數據對分類數據
1. 二維表 R 的 table()函數可以把雙變量分類數據整理成二維表形式， table 命令處理雙變量數據類似于處理單變量數據，只是參數(變 量)由原來的一個變成了兩個。
2．計算邊緣概率，用函數 prop.table( )，其句法是：prop.table(x, margin)，當 margin=1 時，表示各個數據占行匯總數的比例，margin=2 表示各 個數據占列匯總數的比例，省略時，表示占總和的比例。
3 復雜（復式）條圖
R 作條形圖的函數是 barplot( )，不過在作條形圖前需對數據進行分組。
二 分類數據對數值型數據
此處學習時對照著視頻中的例題可以很好的理解
三 數值型數據對數值型數據
1 散點圖 plot( )函數
2. 相關系數 相關系數用來反映兩個數值變量的相關程度。求相關系 數的函數是 cor（）。cor( )也可以求 spearman 等級 相關系數（秩相關系數）。
4）多變量數據分析
一 訪問數據框數據
1 attach( )函數將數據框“連接（綁定）”入當前的名字空間， 從而可以直接用數據框中的變量名訪問而不必用“數據框名$變量 名”這種格式。當變量較多時，通常將其存為一個文本文件
2. 以數組形式訪問 數組名[行，列]
3. 以列表形式訪問數據框 在列表名稱后面加$符號，再寫上變量名還可以用列表名[[變量名(號)]]形式訪問。
二 數據框的拆分與合并
R 里拆分數據框和合并數據框分別用函數 unstack( )、 stack( )。
三 多變量數據的分析
1 多維列聯表 able( )函數可生成多維表。
2 復式條形圖 復式條形圖多考察了一個分組因素，常用于考察比較兩組研究對 象的某觀察指標。作復式條形圖之前應先對數值數據進行分組， 然后用 table( )函數作頻數表。作復式條形圖的函數是 barplot( )， R 默認的分段式復式條形圖，要作并列式復式條形圖，要設置參 數 beside＝TRUE。
3. 并列箱線圖 對于多變量數據經常要用到箱線圖來分析各個變量的分布情況。函數是 boxplot( )
4. 點帶圖（stripchart） 箱線圖經常用來比較各變量的分布情況，尤其是當每個變量都有很（較）多的觀察值時，點帶圖也可以用來比較各變量的分 布情況，但主要用在樣本觀察值比較少時。R 作點帶圖的函數是 stripchart( )，對于雙變量數據其用法是 stripchart（z～t），z 變量 在 t 變量上的分布情況，不同的是這里 z 變量刻度在 x 軸上，而 t 變量在 y 軸上。
5. 多變量散點圖
（1）重疊散點圖 有時出于研究的需要，需將兩個或多組兩個變量的散點圖繪
制在同一個圖中，這樣可以更好比較它們之間的相關關系，這時就可以繪重疊散點圖。
（2）矩陣式散點圖 當欲同時考察三個或三個以上的數值變量間的相關關系時，
若一一繪制它們之間的簡單散點圖，十分麻煩。利用矩陣式散點 圖比較合適，這樣可以快速發(fā)現多個變量間主要相關性，這一點 在多元線性回歸顯得尤為重要。R 作矩陣式散點圖的函數是 pairs（）。