跳到主要内容

R统计分析基础

介绍​

R是一种功能强大的编程语言，广泛用于统计分析、数据可视化和数据科学。它的开源特性、丰富的包生态系统以及强大的社区支持，使其成为数据分析和统计建模的首选工具。本文将带你了解R统计分析的基础知识，帮助你快速上手。

R中的数据类型​

在R中，数据以不同的类型存储。以下是几种常见的数据类型：

  1. 数值型（Numeric）：用于存储数字，可以是整数或浮点数。
  2. 字符型（Character）：用于存储文本数据。
  3. 逻辑型（Logical）：用于存储布尔值（TRUE 或 FALSE）。
  4. 因子型（Factor）：用于存储分类数据。
r
# 示例：创建不同类型的数据
num <- 3.14          # 数值型
char <- "Hello, R!"  # 字符型
logical <- TRUE      # 逻辑型
factor <- factor(c("Low", "Medium", "High"))  # 因子型

基本操作​

向量操作​

向量是R中最基本的数据结构，可以存储一组相同类型的数据。你可以对向量进行各种操作，例如算术运算、逻辑运算和索引。

r
# 创建向量
vec1 <- c(1, 2, 3, 4, 5)
vec2 <- c(6, 7, 8, 9, 10)

# 向量加法
vec_sum <- vec1 + vec2
print(vec_sum)  # 输出：7 9 11 13 15

# 向量索引
print(vec1[3])  # 输出：3

数据框​

数据框（Data Frame）是R中用于存储表格数据的常用结构。它类似于Excel表格，每一列可以是不同的数据类型。

r
# 创建数据框
df <- data.frame(
  Name = c("Alice", "Bob", "Charlie"),
  Age = c(25, 30, 35),
  Score = c(85, 90, 95)
)

# 查看数据框
print(df)

统计函数​

R提供了丰富的统计函数，用于计算均值、中位数、标准差等统计量。

r
# 计算均值
mean_value <- mean(vec1)
print(mean_value)  # 输出：3

# 计算标准差
sd_value <- sd(vec1)
print(sd_value)  # 输出：1.581139

实际案例：分析学生成绩​

假设我们有一组学生的成绩数据，我们希望计算平均成绩、最高成绩和最低成绩。

r
# 学生成绩数据
scores <- c(85, 90, 78, 92, 88, 76, 95, 89, 84, 91)

# 计算平均成绩
mean_score <- mean(scores)
print(mean_score)  # 输出：86.8

# 计算最高成绩
max_score <- max(scores)
print(max_score)  # 输出：95

# 计算最低成绩
min_score <- min(scores)
print(min_score)  # 输出：76
提示

你可以使用 summary() 函数快速获取数据的统计摘要。

r
summary(scores)

总结​

本文介绍了R统计分析的基础知识，包括数据类型、基本操作、统计函数以及一个实际案例。通过这些内容，你可以开始使用R进行简单的统计分析。

附加资源​

练习​

  1. 创建一个包含5个元素的数值向量，并计算其均值和标准差。
  2. 使用 data.frame() 创建一个包含姓名、年龄和成绩的数据框，并计算平均成绩。
  3. 使用 summary() 函数分析一个包含10个随机数的向量。
警告

在编写代码时，确保使用正确的语法和数据类型，以避免错误。