R语言-定量变量的统计描述（二）

今天我们一起来学习怎么用R语言分组对数据进行统计描述。

在比较多组的观测值时，通常是关注各组的统计描述信息，而不是对整体进行统计描述。

R语言中提供了很多基本数据集，这些数据集是可以直接加载使用的。这次我们使用鸢尾花（iris）数据集作为示例进行实战。

首先我们先来查看一下iris数据集中所包含的内容。

鸢尾花(iris)是数据挖掘常用到的一个数据集，包含150种鸢尾花的信息。每个花的特征用下面的5种属性描述：萼片长度(Sepal.Length)、萼片宽度(Sepal.Width)、花瓣长度(Petal.Length)、花瓣宽度(Petal.Width)、类(Species)。类为定性资料，分三类：setosa,versicolour和virginica，每一类含有50种鸢尾花。

使用aggregate()函数分组进行统计描述，函数的定义为：

aggregate(x, by, FUN)

x：待折叠的数据对象

by：统计标量

FUN：自定义的调用函数

如果我们想要使用aggregate()函数按照Species对其他变量分组计算平均数，该怎么实现呢？

注意：list（Species=iris$ Species）的使用，如果使用的是list（iris$ Species），则Species列则被标注为Group.1。

aggregate()函数只能返回单个统计描述结果，如果想一次性返回多个统计描述结果，该如何解决呢？

在这里我为大家介绍两个函数：by()函数和function()函数

by()函数格式：

by(data, INDICES, FUN)

data：数据框或矩阵

INDICES：定义分组

FUN：自定义的调用函数

在R中可以使用function函数进行自定义函数的编写。

例如：

想要同时得到均数、标准差和最大值的结果，我们先定义一个“a”

a<-function(x)(c(mean=mean(x),sd=sd(x),max=max(x)))

使用by()分组计算iris数据集中Sepal.Length的均数、标准差和最大值

如果有多个分组变量，可以使用by=list（name1=groupvar1, name2=groupvar2,…, groupvarN）这样的语句。

如果想一次性获得多个统计描述结果，我们还可以使用psych包中的describe.by()函数。

当然R中还要其他的包提供了分组计算描述性统计量的函数，如doBy包中的summaryBy()函数，有兴趣的同学可以研究一下。

在这里补充一个知识点：我们在最开始的时候使用attach()这个函数将iris数据集添加到R的搜索路径中，我们可以在R中直接输入iris数据集中的变量名进行调用。如果iris数据集已经使用完毕，需要使用detach()函数将数据集从搜索路径中移除。所以函数attach()和detach()最好在分析一个单独的数据集，并且不太可能有多个同名对象时使用。