R语言做数据总结（Data Summarization）

笔者邀请您，先思考：

1 从哪些角度做数据总结？如何让R语言实现？

2 什么是元数据分析？

R语言做数据总结（Data Summarization）。

一 目标变量分布

代码：

1# 加载iris数据
2data(iris)
3# 目标变量的分布
4y <- iris$Species
5cbind(freq=table(y), percentage = round(prop.table(table(y))*100,2))

结果：

二 查看变量的数据类型

代码：

1# R包
2library(mlbench)
3#加载数据集
4data("BostonHousing") # 波士顿房价数据集
5# 查看每个变量的数据类型
6sapply(BostonHousing, class)

结果：

三 查看数据集的维度

代码

1#R包
2library(mlbench)
3#加载数据集
4data("PimaIndiansDiabetes") # 皮马印第安人糖尿病
5#显示数据集的维度
6dim(PimaIndiansDiabetes)

结果

1768   9

四 查看原始数据集

代码：

1# 加载数据集
2data(iris)
3
4# 查看原始数据集
5head(iris)
6tail(iris)

结果：

五 计算变量之间的皮尔逊相关系数

代码

1# R包
2library(mlbench)
3#加载数据集
4data("PimaIndiansDiabetes")
5# 计算数值类型的两两变量间的皮尔逊相关系数，生成相关系数矩阵
6correlations <- cor(PimaIndiansDiabetes[,1:8])
7# 输出相关系数矩阵的结果
8print(correlations)

结果：

六 计算变量的均值和标准差

代码：

1#R包
2library(mlbench)
3#加载数据集
4data("PimaIndiansDiabetes")
5#计算数值类型变量的均值
6sapply(PimaIndiansDiabetes[,1:8], mean)
7#计算数值类型变量的标准差
8sapply(PimaIndiansDiabetes[,1:8], sd)

结果：

七 计算变量的偏度和峰度

代码：

1#R包
2library(e1071)
3#加载数据集
4data(iris)
5# 计算数值变量的偏度值
6apply(iris[,1:4], 2, skewness)
7# 计算数值变量的峰度值
8apply(iris[,1:4], 2, kurtosis)

结果：

八 数据集的摘要分析

代码：

1# 加载数据集
2data(iris)
3
4# 数据集摘要分析
5summary(iris)

结果：

公众号推荐：数据人才（ID：datarencai）

（一个帮助数据人才找工作的公众号，

也分享数据人才学习和生活的有趣事情。）

内容推荐

• R中你应该学习的7种可视化

• R的ggplot2包画折线图？

• R的ggplot2包画柱状图？

• 如何阅读论文？

• 论文管理工具，我用Zotero

• 一个数据人的2018