生物统计专题：用R进行描述统计分析

R语言微信号

生物统计专题：用R进行描述统计分析

2014-12-30 bgstn R语言中文网

上期内容回顾

上个专题我们介绍了R语言的数据导入，将R语言导入几种常用软件数据的方式介绍了给大家，下面做个基本回顾。

• 键盘输入数据：创建数据框，调用fix( )函数
• TXT数据导入：调用read.table( )函数
• Excel数据导入：转换为csv文件，调用read.csv( )函数
• SPSS数据导入：调用Hmisc包中的spss.get( )函数
• SAS数据导入：两种方法：一种针对bdat格式文件，调用sas7bdat包中的read.sas7bdat( )函数；另一种是使用SAS文件将数据导出为csv文件，再使用read.csv( )函数。
• Stata数据导入：调用foreign包中的read.dta( )函数
• netCDF数据导入：使用open.ncdf( )、get.var.ncdf( )函数
  
  

温馨提示：如果你对上述所讲的内容还有些陌生，就先不要急着阅读下文的内容，先打开R动手练习练习再来学习吧~

本期内容导读

导入数据后就可以着手对数据进行分析啦。描述性统计就是对导入后的数据进行一个简单的统计分析，即用数值对每个变量的分布进行描述，从而对数据分布情况进行简单了解。对于这部分内容，我们在这里将会主要介绍四个函数：summary( )、describe( )、aggregate( )、sapply( )。

示例数据：

如下图所示，包含四个变量：不同类型的糖尿病患者低、高脂蛋白的胆固醇含量（LDL、HDL）及载脂蛋白B（ApoB）的测量结果（单位：mg/dl）

1summary( )函数

用途：summary( )函数提供了最小值、最大值、上下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。示例如下图：

2describe( )函数

用途：describe( )函数对数据描述的更加具体，其可返回变量和观测的数量、缺失值和唯一值的数目、平均值、分位数，以及五个最大的值和五个最小的值。

温馨提示：使用该函数需要提前安装并加载Hmisc包。

3aggregate( )函数

用途：用来对数据进行分类汇总，比如对不同类型病人分别计算其三个观测指标的平均值。

函数调用形式：

aggregate（data，by，Fun）

参数解释：

参数data 为待分析的数据对象，by 是由一个变量名组成的列表，这些变量的作用是对数据进行分组，而Fun 则是对分组后的数据计算描述性统计量的函数。

注意：在使用aggregate( )函数的时候，by 中的变量必须在一个列表中（即使只有一个变量）。你可以在列表中为各个组取一个自定义的名称，例by=list(type=mydata$type)。指定的函数可为任意的内建或自编函数，这就为这个函数赋予了强大的力量。

4sapply( )函数

到了这里，你可能会想到R中现有的函数对数据的描述性统计方法都是预先设定好的，例如summary( )中的分位数，describe( )中的频数统计等。有些时候，我们会想要自定义统计结果，比如计算每个观测指标的均值和方差，这时候使用以上函数，再将结果提取出不免有些麻烦。此时，sapply( )函数就能够帮到你。

拓展延伸

• 以本期数据为例，如何同时得到不同类型的糖尿病患者各个诊断变量的均值和方差？
• 如何用定义函数的方法得到数据的二阶、三阶中心矩？
  
  

下期预告

本期的描述性统计分析就先到这里啦，对上述内容还希望大家多多动手练习。本周五会接着介绍R的基本数据管理及数据预处理，欢迎大家围观！！！

微信扫一扫
获得更多内容