R中五種常用的統計分析方法

1、分組分析aggregation

根據分組字段，將分析對象劃分為不同的部分，以進行對比分析各組之間差異性的一種分析方法。

常用統計指標：
計數 length
求和 sum 
平均值 mean
標準差 var
方差 sd
分組統計函數
aggregate(分組表達式，data=需要分組的數據框，function=統計函數）
參數說明
formula：分組表達式，格式：統計列~分組列1+分組列2+...
data=需要分組的數據框
function：統計函數

aggregate(name ~ class, data=data, FUN=length);  
    #求和  
    aggregate(score ~ class, data=data, FUN=sum);  
    #均值  
    aggregate(score ~ class, data=data, FUN=mean);  
    #方差  
    aggregate(score ~ class, data=data, FUN=var);  
    #標準差  
    aggregate(score ~ class, data=data, FUN=sd)  
2、分布分析cut

根據分析目的，將數據(定量數據）進行等距或者不等距的分組，進行研究各組分布規律的一種分析方法。

分組函數

cut(data,breaks,labels,right)

參數說明

data=需要分組的一列數據

breaks=分組條件，如果是一個數字，那么將平均分組；如果是一個數組，那么將按照指定范圍分組

labels：分組標簽

right：指定范圍是否右閉合，默認為右閉合，right參數為TRUE

用戶明細 <- read.csv('data.csv', stringsAsFactors=FALSE)  
    head(用戶明細)  
      
    breaks <- c(min(用戶明細$年齡)-1, 20, 30, 40, max(用戶明細$年齡)+1)  
      
    年齡分組 <- cut(用戶明細$年齡, breaks = breaks)  
    用戶明細[, '年齡分組1'] <- 年齡分組  
      
    年齡分組 <- cut(用戶明細$年齡, breaks = breaks, right = FALSE)  
    用戶明細[, '年齡分組2'] <- 年齡分組  
      
    labels <- c('20歲以及以下', '21歲到30歲', '31歲到40歲', '41歲以上');  
    年齡分組 <- cut(用戶明細$年齡, breaks = breaks, labels = labels)  
    用戶明細[, '年齡分組'] <- 年齡分組  
      
    head(用戶明細)  
      
    aggregate(formula=用戶ID ~ 年齡分組, data=用戶明細, FUN=length)

3、交叉分析tapply（相當于excel里的數據透視表）

通常用于分析兩個或兩個以上，分組變量之間的關系，以交叉表形式進行變量間關系的對比分析；

交叉分析的原理就是從數據的不同維度，綜合進行分組細分，以進一步了解數據的構成、分布特征。

交叉分析函數：

tapply(統計向量，list(數據透視表中的行，數據透視變中的列),FUN=統計函數)

返回值說明：

一個table類型的統計量

breaks <- c(min(用戶明細$年齡)-1, 20, 30, 40, max(用戶明細$年齡)+1)

labels <- c('20歲以及以下', '21歲到30歲', '31歲到40歲', '41歲以上');  
    年齡分組 <- cut(用戶明細$年齡, breaks = breaks, labels = labels)  
    用戶明細[, '年齡分組'] <- 年齡分組  
      
    head(用戶明細)  
      
    tapply(用戶明細$用戶ID, list(用戶明細$年齡分組, 用戶明細$性別), FUN=length)

4、結構分析prop.table

是在分組的基礎上，計算各組成部分所占的比重，進而分析總體內部特征的一種分析方法。

for example：資產占有率就是一個非常經典的運用

統計占比函數

prop.table(table,margin=NULL)

參數說明：

table,使用tapply函數統計得到的分組計數或求和結果

margin,占比統計方式，具體參數如下：

屬性注釋

1按行統計占比

2按列統計占比

NULL按整體統計占比

data <- read.csv('data.csv', stringsAsFactors=FALSE);

head(data)  
      
    t <- tapply(data$月消費.元., list(data$通信品牌), sum)  
    t  
    prop.table(t);  
      
    t <- tapply(data$月消費.元., list(data$通信品牌), mean)  
    t  
    prop.table(t);  
      
    t <- tapply(data$月消費.元., list(data$省份, data$通信品牌), sum)  
    t  
    prop.table(t, margin = 2)

5、相關分析prop.table

是研究現象之間是否存在某種依存關系，并對具體有依存關系的現象探討其相關方向以及相關程度，是研究隨機變量之間的相關關系的一種統計方法。

相關系數r 可以用來描述定量變量之間的關系

相關分析函數：

cor(向量1,向量2,...)返回值：table類型的統計量

data <- read.csv('data.csv', fileEncoding = "UTF-8");  
      
    cor(data[, 2:7])