首页 文章

R语言：如何打印/查看样本子集的摘要统计信息？

提问于
浏览 次
5

这些是关于R的统计编程的一些新手问题，我无法在网上找到答案 . 我的数据框在下面的代码中标记为"eitc" .

1) 一旦我've loaded in a data frame, I would like to look at summary statistics. I'使用了这些功能：

eitc <- read.dta(file="/Users/Documents/eitc.dta")
summary(eitc)
sapply(eitc,mean,na.rm=TRUE) #for sample mean, min, max, etc.

如何在满足某些条件时查找数据框的摘要统计信息 . 例如，当变量“children”大于或等于1时，我希望看到所有变量的汇总统计信息 . 等效的Stata代码是：

summarize if children >= 1

2) 同样，如何在满足某些资格要求时找到具体参数？例如，当"post93"变量等于零且"anykids"变量等于1时，我想找到变量"work"的平均值 . 等效的Stata代码是：

mean work if post93==0 & anykids==1

3) 理想情况下，当我运行上面的汇总统计时，我想知道计算中包含了多少观察值/符合标准 .

4) 当我读入数据框时，看到数据集中包含了多少个观察结果（也许有多少行具有缺失值或"NA"在其中）也是很好的 .

5) 另外，我一直在使用以下代码创建虚拟变量 . 这是正确的方法还是更有效的路线？

post93.dummy <- as.numeric(eitc$year>1993)
eitc=cbind(eitc,post93.dummy)
r statistics stata

4 回答

  • 0

    subset 回答了很多要求，例如：

    summary(subset(eitc, post93 == 0 & anykids == 1, select=work))
nrow(subset(eitc, post93 == 0 & anykids == 1, select=work)) # for number of obs.

    ?subset 文档有很好的例子 .

    连接虚拟变量的 cbind 方法是不必要的 . 做就是了：

    eitc$post93.dummy <- as.numeric(eitc$year>1993)
    回复于
  • 6

    我将在 datasets 包中使用 mtcars 数据 . 见 ?mtcars .

    Ad 1. 当 gear 大于3时，您可以看到 mtcars 的摘要：

    summary(mtcars[mtcars$gear > 3, ])
## or by using Tukey's five number summary
sapply(mtcars[mtcars$gear > 3, ], fivenum)

    Ad 2. 使用 with ：

    with(mtcars, mean(hp[gear > 3 & mpg > 20]))

    Ad 3. 同上（但使用 length ）：

    with(mtcars, length(hp[gear > 3 & mpg > 20]))
## or
sapply(mtcars[mtcars$gear > 3, ], length) ## which is trivial when there are no NA's
sapply(mtcars[mtcars$gear > 3, ], length, na.rm = TRUE) ## but this one's good when there are NA's
nrow(mtcars[mtcars$gear > 3, ])

    Ad 4. 见上一页，但要找出答案

    有多少行有缺失值或“NA”

    做这样的事情：

    apply(dtf, 1, function(x) length(is.na(x)))

    Ad 5. 这不是虚拟变量，这是原始数据的某种子集，按列连接 . 无论如何你想要实现什么？

    Please be concise. One question per question, please!

    回复于
  • 11

    我建议你看一下plyr包来生成摘要 . 这是一些快速代码（不运行）;

    #Generate a new factor based on the numeric value of children with 5 levels
eitc$childfac<-cut(eitc$children,5)

# Generate mean and sd of the variables foo and bar based on that factor
ddply(eitc, .(childfac), function(df) {
  return(data.frame(meanfoo=mean(df$foo), sdfoo=stdev(df$foo),
    meanbar=mean(df$bar), sdbar=stdev(df$bar))
  })

    您可能还想查看hmisc和psych包以获取更具描述性的stat例程 . （查看Quick-R了解更多信息）

    回复于
  • 2

    以下是使用data.table快速显示数据子集的一些摘要统计信息的方法 .

    library(data.table)

dt <- data.table(mtcars)

var.names <- c("cyl", "disp", "hp")
dt[mpg > 20, 
   list(name=var.names, N=.N, mean=lapply(.SD, mean), sd=lapply(.SD, sd)), 
   .SDcols=var.names]

    您可以使用 model.matrix 创建虚拟变量，请参阅here .

    回复于

相关问题