用R语言进行数据探索

这一次我们来说一下数据的探索性分析,R语言图标100X76
1） 主要分析工具
主要的图形表示方法有
1条图（barplot）：用于分类数据。
2．直方图（hist）、点图（dotchart）、茎叶图（stem）：用于观察数值型分布的形状。
3．箱线图（boxplot）：给出数值型分布的汇总数据，适用 于不同分布的比较和拖尾、截尾分布的识别。
4．正态概率图（qqnorm）：用于观察数据是否近似地服从 正态分布。
2）单变量数据分析
一 分类型数据
对于分类数据我们可以用频数表来分析，也可以用条形图和饼图来描述。
1. 分类频数表（table） 频数表可以描述一个分类变量的数值分布概况。table（x）
2. 条图（Barplot） 条图的高度可以是频数或频率，图的形状看起来是一样，但是刻度不一样。R 画条形图的命令是 barplot()。对分类数据作条 形图，需先对原始数据分组，否则作出的不是分类数据的条形图。
3．饼图用于表示各类别某种特征的构成比情况，它以图形的总面积为 100％，扇形面积的 大小表示事物内部各组成部分所占的百分比构成比。用命令 pie()，像条形图一样对原始数据作饼图前要先分组。

 二 数值型数据
1. 集中趋势和离散程度 对于数值型数据，经常要分析一个分布的集中趋势和离散程度，用来描述集中趋势的主要有均值，中位数；描述离散程度的 主要有方差、标准差。求均值、中位数、方差、标准差的命令分别是 mean()、median()、var()、sd()在 R 里还提供了 fivenum（）对数值数据五等分法（运算） 和 summary（）求出分位数：
2.稳健的集中趋势和离散程度 用均值和方差描述集中趋势和离散程度往往基于正态分布，而如果数据是长尾或是有异常值时，这时用均值和方差就不 能正确地描述集中趋势和离散程度。还可以利用截尾均值来描述用 R 计算截尾均值,只要在 mean 函数里对 trim 参数进行设置就可以了,例如：mean(salarym,trim＝0.2)
3. 茎叶图 用函数 stem（）
4．对数值数据分组 在 R 里可以用 cut 函数对数值数据进行分组。并用 table()函数整理成 频数表形式：
例如： salaryg=cut(salary,breaks=c(2000,3000,4000,max(salary)))
5. 直方图直方图用于表示（描述）连续性变量的频数分布，用于考察变量的分布是否服从某种分布类型。R 里用来作（做）直方图的函数是 hist()，作频率直方图，把 probability 参数设置为 T 可以了，默认为 F。用 rug（）命令把各个数据竖线描绘在 X 轴上。
6. 箱线图 函数是 boxplot( ) 可以设置垂直型和水平型，默认 是垂直型，要得到水平型箱线图，只要把参数 horizontal 设为 T。
7. 密度函数线density()
3） 双变量数据分析
一 分类数据对分类数据
1. 二维表 R 的 table()函数可以把双变量分类数据整理成二维表形式， table 命令处理双变量数据类似于处理单变量数据，只是参数(变 量)由原来的一个变成了两个。
2．计算边缘概率，用函数 prop.table( )，其句法是：prop.table(x, margin)，当 margin=1 时，表示各个数据占行汇总数的比例，margin=2 表示各 个数据占列汇总数的比例，省略时，表示占总和的比例。
3 复杂（复式）条图
R 作条形图的函数是 barplot( )，不过在作条形图前需对数据进行分组。
二 分类数据对数值型数据
此处学习时对照着视频中的例题可以很好的理解
三 数值型数据对数值型数据
1 散点图 plot( )函数
2. 相关系数 相关系数用来反映两个数值变量的相关程度。求相关系 数的函数是 cor（）。cor( )也可以求 spearman 等级 相关系数（秩相关系数）。
4）多变量数据分析
一 访问数据框数据
1 attach( )函数将数据框“连接（绑定）”入当前的名字空间， 从而可以直接用数据框中的变量名访问而不必用“数据框名$变量 名”这种格式。当变量较多时，通常将其存为一个文本文件
2. 以数组形式访问 数组名[行，列]
3. 以列表形式访问数据框 在列表名称后面加$符号，再写上变量名还可以用列表名[[变量名(号)]]形式访问。
二 数据框的拆分与合并
R 里拆分数据框和合并数据框分别用函数 unstack( )、 stack( )。
三 多变量数据的分析
1 多维列联表 able( )函数可生成多维表。
2 复式条形图 复式条形图多考察了一个分组因素，常用于考察比较两组研究对 象的某观察指标。作复式条形图之前应先对数值数据进行分组， 然后用 table( )函数作频数表。作复式条形图的函数是 barplot( )， R 默认的分段式复式条形图，要作并列式复式条形图，要设置参 数 beside＝TRUE。
3. 并列箱线图 对于多变量数据经常要用到箱线图来分析各个变量的分布情况。函数是 boxplot( )
4. 点带图（stripchart） 箱线图经常用来比较各变量的分布情况，尤其是当每个变量都有很（较）多的观察值时，点带图也可以用来比较各变量的分 布情况，但主要用在样本观察值比较少时。R 作点带图的函数是 stripchart( )，对于双变量数据其用法是 stripchart（z～t），z 变量 在 t 变量上的分布情况，不同的是这里 z 变量刻度在 x 轴上，而 t 变量在 y 轴上。
5. 多变量散点图
（1）重叠散点图 有时出于研究的需要，需将两个或多组两个变量的散点图绘
制在同一个图中，这样可以更好比较它们之间的相关关系，这时就可以绘重叠散点图。
（2）矩阵式散点图 当欲同时考察三个或三个以上的数值变量间的相关关系时，
若一一绘制它们之间的简单散点图，十分麻烦。利用矩阵式散点 图比较合适，这样可以快速发现多个变量间主要相关性，这一点 在多元线性回归显得尤为重要。R 作矩阵式散点图的函数是 pairs（）。