《第五讲数据描述性分析与绘图知识分享》由会员分享，可在线阅读，更多相关《第五讲数据描述性分析与绘图知识分享（56页珍藏版）》请在金锄头文库上搜索。
1、统计描述与绘图,1、统计描述2、绘图方法3、实验练习,授课内容,授课目的,学习如何应用R软件的统计描述与绘图,R的统计分析分为统计描述和统计推断两部分。统计描述是通过绘制统计图形、编制统计表、计算统计量等方法来表述数据的分布特征。描述统计量包括了均值、中位数、次序统计量、百分数、方差、标准差、变异系数、极差、偏度系数等，是数据的位置度量、分散程度和分布形状的体现。还包括分布函数、直方图、经验分布图、QQ图、茎叶图、箱线图等等。,均值(mean)的基本用法是mean(x,trim=0,na.rm=FALSE);其中x是要计算均值的那个量，trim是计算均值前，去掉x两端观测值的比例，na.rm如
2、果是TRUE，则表示删除NA再计算均值，允许缺失数据。xxmean(x)16.5,若要分别求矩阵的行和列，则要用apply()函数apply(x,1,mean)15.56.57.5apply(x,2,mean)125811若x是个dateframe,则返回的是各列的平均值mean(as.data.frame(x)V1V2V3V425811因此多元数据的输入采用数据框的形式，会便于后期数据的处理,若要计算数据的加权平均，可以用weighted.mean()函数，其基本格式为：weighted.mean(x,w,na.rm=FALSE)其中w是数据x的权重系数，其维数与x相同，基本用法与mean(
3、)相同，唯一有区别的地方是：weighted.mean()不适用于数据框，它作用在数据框的时候，和作用于矩阵的时候，结果是一样的，返回全部数据的加权平均,百分数，将数据按从小到大的顺序排列后，取p分位数，若np是整数，则取第np和第np加一个数的平均；若np不是整数，取第np+1那个数。计算百分数要用到的函数是quantile()，基本格式为：quantile(x,probs=seq(0,1,0.25),na.rm=FALSE,names=TRUE,type=7,)probs给出相应的百分位数，默认值是0，0.25，0.5，0.75，1；na.rm是处理缺失数据的，na.rm=TRUE时，NA
4、和NaN将从数据中移走，向量取值中若有NA或NaN，要添加这一参数，否则会出错；names若为TRUE，返回值当中有names这个属性;type是取值1-9的整数，选择了九种分位数算法(具体算法见帮助文件)中的一种。,w.quantileattributes(w.quantile)$names10%25%50%75%100%quantile(w,probs=seq(0,1,0.2)0%20%40%60%80%100%47.456.9862.2064.0067.3275.00,数据的分布,数据的分布主要考察分布函数(p),密度函数(d),分位数函数(q)及产生随机数(r).以正态分布为例：dat
5、adnorm(data,mean=0,sd=1,log=F);pnorm(data,mean=0,sd=1,lower.tail=T,log.p=F);pqnorm(p,mean=0,sd=1,lower.tail=T,log.p=F);11.9599641.644854#0.05/2,0.1/2分位数,直方图、经验分布图与QQ图,cl-read.table(chapter4-cl.txt,header=T);用hist()函数可以绘制直方图。hist的一般用法为：hist(x,breaks=Sturges,freq=NULL,probability=!freq,)break规定了直方图的组距
6、(必须覆盖数据的范围)；freq是逻辑变量，TRUE是频率直方图，FALSE是密度直方图；probability和freq相反，TRUE是密度直方图，FALSE是频率直方图。其他参数详见帮助文档。,hist(cl$Weight),用density()函数可以绘制与直方图配套的核密度估计。density的一般用法为：density(x,bw=nrd0,adjust=1,kernel=c(gaussian,),)bw是带宽，默认值R画出光滑图形；kernel是核函数；adjust表示实际带宽是adjust*bw。其他参数详见帮助文档。whist(w,freq=F);w.density-densit
7、y(w);w.densityCall:density.default(x=w)Data:w(15obs.);Bandwidthbw=3.478xyMin.:36.97Min.:9.044e-051stQu.:49.081stQu.:4.402e-03Median:61.20Median:1.603e-02Mean:61.20Mean:2.061e-023rdQu.:73.323rdQu.:3.409e-02Max.:85.43Max.:5.518e-02,lines(w.density,col=blue);xlines(x,dnorm(x,mean(w),sd(w),col=red);,经验分
8、布函数ecdf()可以估计总体的分布函数，一般用法为：ecdf(x)若要在R中画出经验分布函数，则用plot函数：plot(ecdf(x),ylab=Fn(x),verticals=FALSE,col.01line=gray70)verticals是逻辑变量，TRUE时表示画竖线，否则不画竖线；col.01line是0-1线的颜色。plot(ecdf(w),verticals=T,do.p=F);xlines(x,pnorm(x,mean(w),sd(w),不画左连续点,QQ图是用来鉴别样本的分布是否近似于某种类型的分布qqnorm()和qqline()提供了画正态QQ图和相应直线的方法qqn
9、orm(y,ylim,xlab=,ylab=,plot.it=TRUE,datax=FALSE)plot.it是逻辑变量，TRUE时将结果画出来；datax是将样本数据放x轴，默认值是FALSE。qqplot(x,y,plot.it=TRUE)；比较x和y的分布接近程度,qqnorm(w)；qqline(w,col=red),茎叶图、箱线图,茎叶图stem()可以细致地看出数据分布的结构。stem()的一般用法为：stem(x,scale=1,width=80)scale控制了茎叶图的长度，默认值是1，如果scale=2，则表示将0-9这10个个位数分成两段，04为一段，59为一段；width
10、是绘图的宽度。,xstem(x);Thedecimalpointis1digit(s)totherightofthe|2|53|4|55|0456|1487|255898|1344456679999|011210|0,stem(x,scale=2)Thedecimalpointis1digit(s)totherightofthe|2|53|3|4|4|55|045|56|146|87|27|55898|134448|56679999|01129|10|0,stem(x,scale=0.5);#scale也可以是小数，等于0.5时，表示将0-9这10个个位数分成1/2段，即20个数为一段Thed
11、ecimalpointis1digit(s)totherightofthe|2|54|50456|148255898|134445667999011210|0,箱线图boxplot()直观地展现数据分布的主要特征。boxplot()有三种基本的用法：boxplot(x,)boxplot(x,range=1.5,width,varwidth,notch=FALSE,outline=TRUE,horizontal=FALSE,add=FALSE,at=NULL)boxplot(formula,data,subset,na.action=NULL);x是数据构成的数值型向量；range控制了“触须”
12、的范围(默认值1.5)；notch=TRUE时，箱线图带有切口（切口表示中位数的近似95%置信区间）；outline是逻辑变量，TRUE时标出异常点；horizontal是逻辑变量，TRUE表示把箱线图绘制成水平状(默认值为FALSE)；add是逻辑变量，TRUE时表示在原图上画图，否则替换一张图(默认值为FALSE)。若用最后一种形式，fomular是公式；data给出了公式作用的对象；subset是可选参数，可以给定要绘制的数据子集；na.action表示对NA数据作出处理，默认值为NULL，即忽略NA数据。,ABboxplot(A,B,names=c(A,B),col=c(red,blu
13、e);boxplot(A,B,notch=T,outline=T,names=c(A,B),col=c(3,5);,InsectSprays;boxplot(countspray,data=InsectSprays,col=lightgray)boxplot(countspray,data=InsectSprays,notch=T,col=2:7,add=T),boxplot(decreasetreatment,data=OrchardSprays,log=y,col=bisque);,R中的绘图命令高级图形函数,R的图形函数分为两类：高级图形函数直接绘制图形并可自动生成坐标轴等附属图形元素；
14、低级图形函数可以修改已有的图形或者为绘图规定一些选择项。高级图形函数总是开始一个新图。下面我们介绍常用的高级图形函数，以及用来修饰这些高级图形函数的常用可选参数。,最常用的是plot()函数。比如，plot(x,y)（其中x，y是向量）对两个变量画散点图。用plot(z)（其中z是一个定义了x变量和y变量的列表，或者一个两列的矩阵）也可以达到同样目的。如果x是一个时间序列对象（时间序列对象用ts()函数生成），plot(x)绘制时间序列曲线图。如果x是一个普通向量，则绘制x的值对其下标的散点图。如果x是复数向量则绘制虚部对实部的散点图。如果f是一个因子，则plot(f)绘制f的条形图（每个因子
15、水平的个数）。如果f是因子，y是同长度的数值向量，则plot(f,y)对f的每一因子水平绘制y中相应数值的盒形图。如果d是一个数据框，则plot(d)对d的每两个变量之间作图（散点图等）。,如果X是一个数值型矩阵或数据框，用pairs(X)可以绘制每两列之间的散点图矩阵。这在变量个数不太多时可以同时看到多个变量的两两关系，变量太多时则图示过小而看不清。协同图（coplot）是一种多变量的探索性分析图形。其形式为coplot(yx|z)，其中x和y是数值型向量，z是同长度的因子。对z的每一水平，绘制相应组的x和y的散点图。,pairs(cl),coplot(WeightHeight|Sex),高
16、级图形函数的常用选项,高级图形函数有一些共同的选项，作为函数的可选参数（自变量）。例如：plot(x)plot(x,main=Graphofx)其中的main就是一个可选参数，用来指定图形的标题。没有此选项时图形就没有标题。这样的选项还有,低级图形函数,高级图形函数可以迅速简便地绘制常见类型的图形，但是，某些情况下你可能希望绘制一些有特殊要求的图形。比如，你希望坐标轴按照自己的设计绘制，在已有的图上增加另一组数据，在图中加入一行文本注释，绘出多个曲线代表的数据的标签，等等。低级图形函数让你在已有的图的基础上进行添加。低级图形函数一般需要指定位置信息，其中的坐标指的是所谓用户坐标，即前面的高级图形函数所建立的坐标系中的坐标。坐标可以用两个向量x和y给出，也可以由一个两列的矩阵给出。如果交互作图可以用下面介绍的locator()函数来交互地从图形中直接输入坐标位置。常用的低级图形函数罗列如下：,图形参数详解,鉴于绘制有特殊需要的图形是R的一个强项，而使用图形参数是完成此类任务的重要手段，我们在这里较详细地介绍R的各种图形参数。这些图形参数可以大体上分为以下的几个大类
