如何找到具有所有描述性统计信息的R数据帧的统计摘要?

当我们找到R数据帧的统计摘要时,只会得到最小值,第一四分位数,中位数,均值,第三四分位数和最大值,但在描述中,还有许多其他有用的度量,例如方差,标准差,偏度,峰度等等。因此,我们可以使用fBasics软件包的basicStats函数。

加载fBasics软件包-

library(fBasics)

考虑基数R中的mtcars数据-

示例

data(mtcars)

head(mtcars,20)

输出结果

          mpg    cyl     disp    hp    drat    wt qsec vs am gear carb

Mazda RX4         21.0    6 160.0 110    3.90   2.620   16.46  0   1  4   4

Mazda RX4 Wag     21.0    6 160.0 110    3.90  2.875   17.02   0  1  4   4

Datsun 710        22.8    4 108.0 93     3.85  2.320   18.61   1   1   4   1

Hornet 4 Drive    21.4    6 258.0 110     3.08  3.215   19.44   1  0   3   1

Hornet Sportabout 18.7    8 360.0 175    3.15  3.440   17.02   0   0 3 2

Valiant           18.1    6 225.0 105    2.76  3.460   20.22   1 0 3 1

Duster 360        14.3    8 360.0 245    3.21  3.570   15.84   0 0 3 4

Merc 240D         24.4    4 146.7 62     3.69  3.190   20.00   1 0 4 2

Merc 230          22.8    4 140.8 95     3.92  3.150   22.90   1 0 4 2

Merc 280          19.2    6 167.6 123    3.92  3.440   18.30   1 0 4 4

Merc 280C         17.8    6 167.6 123    3.92  3.440   18.90   1 0 4 4

Merc 450SE        16.4    8 275.8 180    3.07  4.070   17.40   0 0 3 3

Merc 450SL        17.3    8 275.8 180    3.07  3.730   17.60   0 0 3 3

Merc 450SLC       15.2    8 275.8 180    3.07  3.780   18.00   0 0 3 3

Cadillac Fleetwood 10.4   8 472.0 205    2.93  5.250   17.98   0 0 3 4

Lincoln Continental 10.4  8 460.0 215    3.00  5.424   17.82    0 0 3 4

Chrysler Imperial 14.7 8  440.0 230     3.23   5.345   17.42   0 0 3 4

Fiat 128         32.4 4   78.7 66       4.08  2.200    19.47   1 1 4 1

Honda Civic      30.4 4   75.7 52       4.93  1.615    18.52   1 1 4 2

Toyota Corolla   33.9 4   71.1 65        4.22  1.835    19.90   1 1 4 1

查找mtcars数据集的统计摘要-

>basicStats(mtcars)
               mpg        cyl        disp      hp         drat

nobs       32.000000  32.000000  32.000000 32.000000 32.000000

NAs        0.000000    0.000000  0.000000 0.000000 0.000000

Minimum   10.400000   4.000000   71.100000 52.000000 2.760000

Maximum   33.900000   8.000000   472.000000 335.000000 4.930000 1.

Quartile  15.425000   4.000000   120.825000 96.500000 3.080000 3.

Quartile  22.800000   8.000000   326.000000 180.000000 3.920000

Mean     20.090625   6.187500   230.721875 146.687500 3.596563

Median   19.200000   6.000000   196.300000 123.000000 3.695000

Sum     642.900000   198.000000   7383.100000 4694.000000 115.090000

SE Mean  1.065424   0.315709   21.909473 12.120317 0.094519 LCL

Mean    17.917679   5.543607   186.037211 121.967950 3.403790 UCL

Mean     22.263571   6.831393   275.406539 171.407050 3.789335

Variance  36.324103  3.189516   15360.799829 4700.866935 0.285881

Stdev     6.026948   1.785922   123.938694 68.562868 0.534679

Skewness  0.610655   -0.174612  0.381657 0.726024 0.265904

Kurtosis  -0.372766  -1.762120 -1.207212 -0.135551 -0.714701


          wt     qsec           vs     am        gea      r carb

nobs     32.000000 32.000000 32.000000 32.000000 32.000000 32.000000

NAs     0.000000 0.000000 0.000000 0.000000 0.000000 0.000000

Minimum  1.513000 14.500000 0.000000 0.000000 3.000000 1.000000

Maximum  5.424000 22.900000 1.000000 1.000000 5.000000 8.000000 1.

Quartile  2.581250 16.892500 0.000000 0.000000 3.000000 2.000000 3.

Quartile  3.610000 18.900000 1.000000 1.000000 4.000000 4.000000

Mean    3.217250 17.848750 0.437500 0.406250 3.687500 2.812500

Median 3.325000 17.710000 0.000000 0.000000 4.000000 2.000000

Sum 102.952000 571.160000 14.000000 13.000000 118.000000 90.000000

SE Mean 0.172968 0.315890 0.089098 0.088210 0.130427 0.285530

LCL Mean 2.864478 17.204488 0.255783 0.226345 3.421493 2.230158

UCL Mean 3.570022 18.493012 0.619217 0.586155 3.953507 3.394842

Variance 0.957379 3.193166 0.254032 0.248992 0.544355 2.608871

Stdev 0.978457 1.786943 0.504016 0.498991 0.737804 1.615200

Skewness 0.423146 0.369045 0.240258 0.364016 0.528854 1.050874

Kurtosis -0.022711 0.335114 -2.001938 -1.924741 -1.069751 1.257043

让我们看一下在R中使用树数据和压力数据的另外两个示例。

树数据示例-

示例

data(trees)

head(trees,20)

输出结果

  Girth Height Volume

1  8.3   70     10.3

2  8.6   65     10.3

3  8.8   63     10.2

4  10.5  72     16.4

5  10.7  81     18.8

6  10.8  83     19.7

7  11.0  66     15.6

8  11.0  75     18.2

9  11.1  80     22.6

10 11.2  75     19.9

11 11.3  79     24.2

12 11.4  76     21.0

13 11.4  76     21.4

14 11.7  69     21.3

15 12.0  75     19.1

16 12.9  74     22.2

17 12.9  85     33.8

18 13.3  86     27.4

19 13.7  71     25.7

20 13.8  64     24.9


>basicStats(trees)

Girth Height Volume

nobs 31.000000 31.000000 31.000000 NAs 0.000000 0.000000 0.000000

Minimum 8.300000 63.000000 10.200000 Maximum 20.600000 87.000000 77.000000 1. Quartile 11.050000 72.000000 19.400000 3.

Quartile 15.250000 80.000000 37.300000 Mean 13.248387 76.000000 30.170968 Median 12.900000 76.000000 24.200000 Sum 410.700000 2356.000000 935.300000 SE Mean 0.563626 1.144411 2.952324

LCL Mean 12.097309 73.662800 24.141517 UCL Mean 14.399466 78.337200 36.200418 Variance 9.847914 40.600000 270.202796 Stdev 3.138139 6.371813 16.437846 Skewness 0.501056 -0.356877 1.013274 Kurtosis -0.710941 -0.723368 0.246039

压力数据示例-

示例

data(pressure)

head(pressure,20)

输出结果

   temperature   pressure

1     0            0.0002

2     20           0.0012

3     40           0.0060

4     60           0.0300

5     80           0.0900

6    100           0.2700

7    120           0.7500

8    140           1.8500

9    160           4.2000

10   180           8.8000

11   200          17.3000

12   220          32.1000

13   240          57.0000

14  260           96.0000

15  280          157.0000

16  300          247.0000

17  320          376.0000

18  340          558.0000

19  360          806.0000


basicStats(pressure)

temperature pressure

nobs 19.000000 19.000000

NAs 0.000000 0.000000

Minimum 0.000000 0.000200

Maximum 360.000000 806.000000

1. Quartile 90.000000 0.180000

3. Quartile 270.000000 126.500000

Mean 180.000000 124.336705

Median 180.000000 8.800000

Sum 3420.000000 2362.397400

SE Mean 25.819889 51.531945

LCL Mean 125.754426 16.072107

UCL Mean 234.245574 232.601304 Variance 12666.666667 50455.285428 Stdev 112.546287 224.622540

Skewness 0.000000 1.835588

Kurtosis -1.390471 2.334429

以上是 如何找到具有所有描述性统计信息的R数据帧的统计摘要? 的全部内容, 来源链接: www.h5w3.com/z/354367.html

回到顶部