r语言数据分析案例附数据(r 语言用于数据分析)
507
2024-02-07
关于【r语言数据分析是什么】,做数据分析为什么一定要学R语言,今天常识编辑棒棒子给您分享一下,如果对您有所帮助别忘了关注本站哦。
内容导航:1、做数据分析为什么一定要学R语言?2、r语言数据分析是什么,做数据分析为什么一定要学R语言1、做数据分析为什么一定要学R语言?1. R 是一种强大的脚本语言
我最近被要求分析一个范围研究的结果。研究人员检查了 1,600 篇研究论文,并依据多个条件对它们的内容进行编码,事实上,这些条件是大量具有多个选项和分叉的条件。它们的数据(曾经扁平化到一个 Microsoft® Excel® 电子表格上)包含 8,000 多列,其中大部分都是空的。研究人员希望统计不同类别和标题下的总数。R 是一种强大的脚本语言,能够访问类似 Perl 的正则表达式来处理文本。凌乱的数据需要一种编程语言资源,而且尽管 SAS 和 SPSS 提供了脚本语言来执行下拉菜单以外的任务,但 R 是作为一种编程语言编写的,所以是一种更适合该用途的工具。
2. R 走在时代的前沿
统计学中的许多新发展最初都是以 R 包的形式出现的,然后才被引入到商业平台中。我最近获得了一项对患者回忆的医疗研究的数据。对于每位患者,我们拥有医生建议的治疗项目数量,以及患者实际记住的项目数量。自然模型是贝塔—二项分布。这从上世纪 50 年代就已知道,但将该模型与感兴趣的变量相关联的估算过程是最近才出现的。像这样的数据通常由广义估计方程式 (general estimating equations, GEE) 处理,但 GEE 方法是渐进的,而且假设抽样范围很广。我想要一种具有贝塔—二项 R 的广义线性模型。一个最新的 R 包估算了这一模型:Ben Bolker 编写的 betabinom。而 SPSS 没有。
3. 集成文档发布
R 完美地集成了 LaTeX 文档发布系统,这意味着来自 R 的统计输出和图形可嵌入到可供发布的文档中。这不是所有人都用得上,但如果您希望便携异步关于数据分析的书籍,或者只是不希望将结果复制到文字处理文档,最短且最优雅的路径就是通过 R 和 LaTeX。
4. 没有成本
作为一个小型企业的所有者,我很喜欢 R 的免费特定。即使对于更大的企业,知道您能够临时调入某个人并立即让他们坐在工作站旁使用一流的分析软件,也很不错。无需担忧预算。
R 是什么,它有何用途?
作为一种编程语言,R 与许多其他语言都很类似。任何编写过代码的人都会在 R 中找到很多熟悉的东西。R 的特殊性在于它支持的统计哲学。这里简单科普几个相关知识。
1. 统计学革命:S 和探索性数据分析
R 是 S 的一种开源实现,是一种用于数据分析和图形的编程环境。
2. 有态度的语言:S、S-Plus和假设测试
最初的 S 语言非常重视 Tukey 的 EDA,已达到只能 在 S 中执行 EDA 而不能执行其他任何操作的程度。这是一种具有态度的语言。
我在使用 R 时会发生什么?
噼里啪啦一顿牛皮的内容分享完毕,记住不是一部 R 教程。下面的示例仅试图让您了解 R 会话看起来是什么样的。
R 二进制文件可用于 Windows、Mac OS X 和多个 Linux® 发行版。源代码也可供人们自行编译。
在 Windows® 中,安装程序将 R 添加到开始菜单中。要在 Linux 中启动 R,可打开一个终端窗口并在提示符下键入 R。
在提示符下键入一个命令,R 就会响应。
此时,在真实的环境中,您可能会从一个外部数据文件将数据读入 R 对象中。R 可从各种不同格式的文件读取数据,但对于本示例,我使用的是来自 MASS 包的 michelson 数据。这个包附带了 Venables and Ripley 的标志性文本 Modern Applied Statisticswith S-Plus。michelson 包含来自测量光速的流行的 Michelson and Morley 实验的结果。
清单 1 中提供的命令可以加载 MASS 包,获取并查看 michelson 数据。图 2 显示了这些命令和来自 R 的响应。每一行包含一个 R 函数,它的参数放在方括号 ([]) 内。
清单 1. 启动一个 R 会话
2+2 # R can be a calculator. R responds, correctly, with4.library(“MASS”) # Loads into memory the functions and data sets from# package MASS, that accompanies Modern Applied StatisticsinSdata(michelson) # Copies the michelson data setintotheworkspace.ls # Liststhecontentsoftheworkspace.The michelson data isthere.head(michelson) # Displaysthe first few lines ofthisdataset.# Column Speed contains Michelson and Morleys estimates ofthe#speedof light, less 299,000,inkm/s.# Michelson and Morley ran five experiments with 20 runs each.#Thedataset contains indicator variables for experiment and run.help(michelson) # Calls a help screen, which describes thedataset.
清单 2. R 中的一个箱线图
# Basic boxplotwith(michelson, boxplot(Speed ~ Expt))# I can add colour and labels. I can also savetheresultstoanobject.michelson.bp = with(michelson, boxplot(Speed ~ Expt, xlab=”Experiment”, las=1,ylab=”Speedof Light – 299,000 m/s”,main=”Michelson-Morley Experiments”,col=”slateblue1″))#The current estimate ofthespeedoflight,onthisscale,is734.5# Add a horizontal line to highlight thisvalue.abline(h=734.5, lwd=2,col=”purple”) #Addmodernspeedoflight
Michelson and Morley 似乎有计划地高估了光速。各个实验之间似乎也存在一定的不均匀性。
在对分析感到满意后,我可以将所有命令保存到一个 R 函数中。参见清单3。
清单 3. R 中的一个简单函数
MyExample = function{library(MASS)data(michelson)michelson.bw = with(michelson, boxplot(Speed ~ Expt, xlab=”Experiment”, las=1,ylab=”Speedof Light – 299,000 m/s”, main=”Michelsen-Morley Experiments”,col=”slateblue1″))abline(h=734.5, lwd=2,col=”purple”)}
这个简单示例演示了 R 的多个重要功能:
保存结果—boxplot 函数返回一些有用的统计数据和一个图表,您可以通过类似 michelson.bp = … 的负值语句将这些结果保存到一个 R 对象中,并在需要时提取它们。任何赋值语句的结果都可在 R 会话的整个过程中获得,并且可以作为进一步分析的主题。boxplot 函数返回一个用于绘制箱线图的统计数据(中位数、四分位等)矩阵、每个箱线图中的项数,以及异常值。
公式语言— R(和 S)有一种紧凑的语言来表达统计模型。参数中的代码 Speed ~ Expt 告诉函数在每个 Expt (实验数字)级别上绘制 Speed的箱线图。如果希望执行方差分析来测试各次实验中的速度是否存在显著差异,那么可以使用相同的公式:lm(Speed ~ Expt)。公式语言可表达丰富多样的统计模型,包括交叉和嵌套效应,以及固定和随机因素。
用户定义的 R 函数是一种编程语言。
R 已进入 21 世纪
Tukey 的探索性数据分析方法已成为常规课程。我们在教授这种方法,而统计学家也在使用该方法。R 支持这种方法,这解释了它为什么仍然如此流行的原因。面向对象性还帮助 R 保持最新,因为新的数据来源需要新的数据结构来执行分析。InfoSphere® Streams 现在支持对与John Chambers 所设想的不同的数据执行 R 分析。
R 需要主流硬件吗?
我在一台运行 Crunchbang Linux 的宏碁上网本上运行了这个示例。R 不需要笨重的机器来执行中小规模的分析。20 年来,人们一直认为 R 之所以缓慢是因为它是一种解释性语言,而且它可以分析的数据大小受计算机内存的限制。这是真的,但这通常与现代机器毫无干系,除非应用程序非常大(大数据)。
R 的不足之处
公平地讲,R 也有一些事做不好或完全不会做。不是每个用户都适合使用 R:
1. R 不是一个数据仓库
在 R 中输入数据的最简单方式是,将数据输入到其他地方,然后将它导入到 R 中。人们已经努力地为 R 添加了一个电子表格前端,但它们还没流行起来。电子表格功能的缺乏不仅会影响数据输入,还会让以直观的方式检查 R 中的数据变得很困难,就像在 SPSS 或 Excel 中一样。
2. R 使普通的任务变得很困难
举例而言,在医疗研究中,您对数据做的第一件事就是计算所有变量的概括统计量,列出无响应的地方和缺少的数据。这在 SPSS 中只需 3 次单击即可完成,但 R 没有内置的函数来计算这些非常明显的信息,并以表格形式显示它。您可以非常轻松地编写一些代码,但有时您只是想指向要计算的信息并单击鼠标。
3. R 的学习曲线是非平凡的
初学者可打开一个菜单驱动的统计平台并在几分钟内获取结果。不是每个人都希望成为程序员,然后再成为一名分析家,而且或许不是每个人都需要这么做。
4. R 是开源的
R 社区很大、非常成熟并且很活跃,R 无疑属于比较成功的开源项目。R 的实现已有超过 20 年历史,这是一个久经考验的概念和久经考验的产品。但对于任何开源产品,可靠性都离不开透明性。我们信任它的代码,因为我们可自行检查它,而且其他人可以检查它并报告错误。这与自行执行基准测试并验证其软件的企业项目不同。而且对于更少使用的 R 包,您没有理由假设它们会实际生成正确的结果。
End.
作者:程序之道
来源:简书
深圳线下·爱数据社区工具系列课程
工具课程:真实数据分析师如何解决实际问题
「MySQL实战案例讲解」
活动时间:1月12日13:00-17:00
2、r语言数据分析是什么,做数据分析为什么一定要学R语言对数据进行质量分析以后,接下来可通过绘制图表、计算某些特征量等手段进行数据的特征分析。首先讲解分布分析
分布分析能揭示数据的分布特征和分布类型。对于定量数据,我们想要了解其分布形式是对称的还是非对称的、发现某些特大或特小的可疑值,可做出频率分布表、绘制频率分布直方图、绘制茎叶图进行直观地分析;对于定性数据,可用饼形图和条形图直观地显示分布情况。
定量数据的分布分析对于定量变量,选择“组数”和“组宽”是做频率分布分析时最主要的问题,一般按照一下步骤:
求极差;
决定组距和组数;
决定分点;
列出频率分布表;
绘制频率分布直方图;
遵循的主要原则有:
各组之间必须是相互排斥的;
各组必须将所有的数据包含在内;
各组的组宽最好相等;
下面结合具体数据运用分布分析对定量数据进行特征分析:
(1)求极差
极差=最大值-最小值=3960-45=3915(元)
(2)决定组距和组数
这里根据业务数据的含义,可取组距为500,组数=极差/组距=3915/500=7.83
(3)决定分点
根据组数和组距,可确定以下的分布区间:
(4)列出频率分布表
根据分组区间可制作出频率分布表。其中,第1列将数据所在的范围分成若干组段,其中第一个组段要包括最小值,最后一个组段要包括最大值。习惯上将各组段设为左闭右开的半开区间,如第1个分组为[0,500)。第2列组中值是各组段的代表值,由本组段的上、下限相加除以2得到。第3列和第4列分别为频数和频率。第5列示累计频率,是否需要计算该列视情况而定。
(5)绘制频率直方图
若以2014年第二季度捞起生鱼片每天的销售额为横轴,以各组段的频率密度(频率与组距之比)为纵轴,可绘制成以下频率分布直方图:
定性数据的分布分析对于定性变量,常常根据变量的分类类型来分组,可以用饼形图和条形图来描述定性变量的分布。
饼形图的每一个扇形部分代表每一类型的百分比或频数,根据定性变量的类型数目将饼形图分成几个部分,每一部分大大小与每一类型的频数成正比;条形图的高度代表每一类型的百分比或频数,条形图的宽度没有意义。
饼形图
条形图
噼里啪啦一顿牛皮的内容分享完毕,记住关键词:r 语言用于数据分析,r语言数据分析的基本流程,r语言 数据分析,r语言数据分析代码中的含义,r语言入门数据分析。