类别数据
用sample函数随机生成调查表
> opinion<-sample(c("赞成","反对"),20,replace = TRUE)
> home<-sample(c("社区A","社区B","社区C"),10,replace = TRUE)
> sex<-sample(c("男","女"),20,replace = TRUE)
> myinfo<-data.frame("社区"=home,"性别"=sex,"态度"=opinion)
> myinfo
社区 性别 态度
1 社区B 女 赞成
2 社区B 男 赞成
3 社区C 女 赞成
4 社区B 女 反对
5 社区B 女 反对
6 社区B 男 反对
7 社区B 男 赞成
8 社区C 女 反对
9 社区C 男 反对
10 社区A 女 赞成
11 社区B 男 赞成
12 社区B 女 反对
13 社区C 女 赞成
14 社区B 男 赞成
15 社区B 男 赞成
16 社区B 女 反对
17 社区B 女 赞成
18 社区C 女 反对
19 社区C 女 赞成
20 社区A 男 反对
这里涉及三个类别变量：社区、性别和态度
简单频数表：也称为一维列联表
summary函数：生成频数分布表
> summary(myinfo)
社区 性别 态度
社区A: 2 男: 8 反对: 9
社区B:12 女:12 赞成:11
社区C: 6
table函数：生成频数分布表
prop.table：转为百分比表
> table(myinfo$态度) 反对 赞成 9 11
> prop.table(table(myinfo$态度))*100 反对 赞成 45 55
二维列联表：两个类别变量交叉分类形成的频数分布表
addmargins函数：为表格加上边际和
> table(myinfo$性别,myinfo$态度)
反对 赞成
男 3 5
女 6 6
> addmargins(table(myinfo$性别,myinfo$态度))
反对 赞成 Sum
男 3 5 8
女 6 6 12
Sum 9 11 20
CrossTable函数：生成二维列联表并进行百分比分析
多维列联表：涉及两个以上类别变量
ftable函数：col.var的默认值为最后一个类别
> ftable(myinfo,row.vars = c("性别","态度"),col.var = "社区")
社区 社区A 社区B 社区C
性别 态度
男 反对 1 1 1
赞成 0 5 0
女 反对 0 4 2
赞成 1 2 3
数值数据
生成数值数据频数分布表时要先将其转换为类别数据
随机产生一组数值数据：
> myvector<-sample(160:280,120) [1] 201 182 188 177 186 260 190 250 233 228 182 168 275 257 [15] 230 202 183 254 237 243 215 173 205 236 245 211 230 253 [29] 259 165 198 242 271 179 173 227 226 171 239 266 263 201 [43] 175 257 179 261 270 220 237 186 249 225 188 241 272 226 [57] 223 189 240 247 216 180 255 257 204 273 274 235 269 166 [71] 167 218 194 249 219 247 169 213 181 214 196 173 241 253 [85] 224 167 195 258 216 249 275 251 262 219 243 219 251 266 [99] 196 232 225 275 232 188 200 265 200 227 241 227 203 191 [113] 212 246 206 219 253 240 241 175
数据分组：本例中分为 12组，组距为10
round_any函数：这个没有查到太多，本例中为计算不同组别的频数
as.numeric函数：将对象转化为数值向量
cumsum函数：累计数
paste函数：用于字符串连接，写了一篇专门的博客讲paste函数的基础用法，感觉和python的join用法相似
round函数：指定小数精度
> count<-table(round_any(myvector,10,floor)) #计算不同组别的数值总数
> count
160 170 180 190 200 210 220 230 240 250 260 270
6 9 11 7 9 12 11 10 16 13 8 8
> count<-as.numeric(count) #得到频数的类别变量
> count
[1] 6 9 11 7 9 12 11 10 16 13 8 8
> pcount<-prop.table(count)*100 #得到百分比的类别变量
> cumsump<-cumsum(pcount) #得到累计百分比的类别变量
> cumsump
[1] 5.00000 12.50000 21.66667 27.50000 35.00000 45.00000 54.16667 62.50000 75.83333
[10] 86.66667 93.33333 100.00000
> name<-paste(seq(160,270,by=10),"-",seq(170,280,by=10),sep="") #字符串连接，获取行名
> name
[1] "160-170" "170-180" "180-190" "190-200" "200-210"
[6] "210-220" "220-230" "230-240" "240-250" "250-260"
[11] "260-270" "270-280"
> gt<-data.frame("频数"=count,"百分比"=pcount,"累计百分比"=cumsump,row.names=name)
> round(gt,4)
频数 百分比 累计百分比
160-170 6 5.0000 5.0000
170-180 9 7.5000 12.5000
180-190 11 9.1667 21.6667
190-200 7 5.8333 27.5000
200-210 9 7.5000 35.0000
210-220 12 10.0000 45.0000
220-230 11 9.1667 54.1667
230-240 10 8.3333 62.5000
240-250 16 13.3333 75.8333
250-260 13 10.8333 86.6667
260-270 8 6.6667 93.3333
270-280 8 6.6667 100.0000
cut函数：对数据进行分组
cut(x,beraks,right=TRUE,dig.lab=3,...)
breaks=k*(x1:x2) k为组的间隔，k*x1为下限，k*x2为上限，right为是否封闭上限。
> d<-table(cut(myvector,breaks=10*(16:28),right = FALSE))
> d
[160,170) [170,180) [180,190) [190,200) [200,210) [210,220)
6 9 11 7 9 12
[220,230) [230,240) [240,250) [250,260) [260,270) [270,280)
11 10 16 13 8 8
> df<-data.frame(d)
> df
Var1 Freq
1 [160,170) 6
2 [170,180) 9
3 [180,190) 11
4 [190,200) 7
5 [200,210) 9
6 [210,220) 12
7 [220,230) 11
8 [230,240) 10
9 [240,250) 16
10 [250,260) 13
11 [260,270) 8
12 [270,280) 8
> percent<-df$Freq/sum(df$Freq)*100
> cumsump<-cumsum(percent)
> mytable<-data.frame(d,percent,cumsump)
> mytable
Var1 Freq percent cumsump
1 [160,170) 6 5.000000 5.00000
2 [170,180) 9 7.500000 12.50000
3 [180,190) 11 9.166667 21.66667
4 [190,200) 7 5.833333 27.50000
5 [200,210) 9 7.500000 35.00000
6 [210,220) 12 10.000000 45.00000
7 [220,230) 11 9.166667 54.16667
8 [230,240) 10 8.333333 62.50000
9 [240,250) 16 13.333333 75.83333
10 [250,260) 13 10.833333 86.66667
11 [260,270) 8 6.666667 93.33333
12 [270,280) 8 6.666667 100.00000