R语言——R函数、选项参数、数学统计函数(六)

2024-01-03 10:26:41

目录

一、R函数

二、选项参数

三、数学统计函数

四、参考


一、R函数

1.lm()

lm()是R语言中经常用到的函数,用来拟合回归模型。它是拟合线性模型最基本的函数

lm()格式如下:

fit<-lm(formula,data)

其中,formula指要拟合的模型形式,data是一个数据框,包含了用于拟合模型的数据。结果对象(本例中是fit)存储在一个列表中,包含了所拟合模型的大量信息。表达式(formula)形式如下:

Y~X1+X2..Xn

举例,输入:

a<-c(1,2,3,4,5)
b<-c(2,4,6,8,10)
mydata<-data.frame(a,b)
fit<-lm(a~b,mydata)
summary(fit)

结果会显示:
在这里插入图片描述
所以a,b的关系可表示为:

a=0.000000000000001192+0.5*b

2.函数返回值及输入数据格式

????????使用函数时要注意函数的返回值类型,比如有些函数返回值是列表,那就不能将其运用到使用向量的环境中。
????????有些函数只能处理矩阵,有些函数既能处理矩阵也能处理数据框,使用函数时,需要知道每个函数的输入数据格式,否则就会出错。

输入数据类型

向量:sum,mean,sd,range,median,sort,order

矩阵或数据框:cbind,rbind

数字矩阵:heatmap

3.使用help(函数名)可以查看函数的帮助文档。

二、选项参数

一般的选项函数可以分为三部分:输入控制部分、输出控制部分以及调节部分

- 输入控制选项

常用选项:
file:接一个文件

data:一般指要输入一个数据框

x:表示单独的一个对象,一般都是向量,也可以是矩阵或者列表

x和y:函数需要两个输入变量

x,y,z:函数需要三个输入变量

formula:公式

na.rm:删除缺失值

- 输出控制选项:在R中,函数一般都是屏幕输出结果,每个函数的返回值也比较固定,所以输出控制选项并不多。

- 调节参数

调节参数

1.根据名字判断选项的作用

color:选项明显用来控制颜色

select:与选择有关

font:与字体有关

font.axis:就是坐标轴的字体

lty:是 line type

lwd:是 line width

method:软件算法

2.选项接受哪些参数

main:字符串,不能是向量

na.rm:TRUE 或者 FALSE

axis:side参数只能是1到4

fig:包含四个元素的向量

三、数学统计函数

1.概率统计函数
R概率分布:

d 概率密度函数
p 分布函数
q 分布函数的反函数
r 产生相同分布的随机数

正态分布函数:

dnorm(x,mean,sd,log)
pnorm(q,mean,sd,lower.tail,log.p)
qnorm(p,mean,sd,lower.tail,log.p)
rnorm(n,mean,sd)

与离散分布相关的函数:

与正态分布一样,在每种分布名称前面加上d、p、q、r就可以构成函数名。
如:

dgeom(x,prob,log=FALSE)
pgeom(q,prob,lower.tail=TRUE,log.p=FALSE)
qgeom(p,prob,lower.tail=TRUE,log.p=FALSE)
rgeom(n,prob)

runif(n):随机生成n个0到1之间的数。
runif(n,min=1,max=100):随机生成n个从1到100之间的随机数。

2.描述性统计函数
summary函数:

mycars <- mtcars[c("mpg","hp","wt","am")]
summary(mycars)

fivenum函数:与summary函数类似

fivenum(mycars$hp)

Hmisc包中的describe函数:

describe(mycars)

pastecs包中stat.desc函数:计算种类繁多的描述性统计量,参数x是一个数据框或时间序列

stat.desc(mycars)

psych包中describe函数:

describe(mycars)
describe(mycars,trim=0.1) #去掉10%的最低值最高值部分

很多情况下,我们需要对数据进行分组描述,这时候可以使用aggregate函数,aggregate函数能够对数据按照指定的分组信息进行统计,将分组信息通过一个列表指定出来:

library(MASS)
aggregate(Cars93[c("Min.Price","Price","Max.Price","MPG.city")],by=list(Manufacturer=Cars93$Manufacturer),mean)

aggregate函数的缺点是一次只能计算一个统计函数。
使用doBy包中的summaryBy函数:

summaryBy(mpg+hp+wt~am,data=mycars,FUN=mean)

使用psych包中的describeBy函数:

describeBy(mycars,list(am=mycars$am))

3.频数统计函数
(1)一维

mtcars$cyl <- as.factor(mtcars$cyl)
split(mtcars,mtcars$cyl)      #结果按照cyl分类
table(mtcars$cyl)     #频数统计
table(cut(mtcars$mpg,c(seq(10,50,10))))       #频数统计
prop.table(table(mtcars$cyl))      #频率值,即频数除以总数

(2)二维:返回列联表

library(vcd)
table(Arthritis$Treatment,Arthritis$Improved)      #统计两个量的频数,返回的结果是一个二维的列联表

或者

with(data = Arthritis,table(Treatment,Improved))

或者

xtabs(~Treatment+Improved,data = Arthritis)

(3)对列联表进行边际频数统计
边际频数统计:

x <- xtabs(~Treatment+Improved,data = Arthritis)
margin.table(x,1)      #按行进行边际频数统计
margin.table(x,2)      #按列进行边际频数统计

边际频率统计:

prop.table(x,1)      #按行进行边际频率统计
prop.table(x,2)      #按列进行边际频率统计

将边际频数的和添加到频数表中:

addmargins(x)
addmargins(x,1)
addmargins(x,2)

(4)三维

y <- xtabs(~Treatment+Improved+Sex,data = Arthritis)
ftable(y)    #将结果转换为一个评估式的列联表

四、参考

R语言入门与数据分析

文章来源:https://blog.csdn.net/m0_45447650/article/details/135124008
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。