R語言中平均值、中位數和模式知識點總結

R中的統計分析通過使用許多內置函數來執行。 這些函數大多數是R基礎包的一部分。 這些函數將R向量作為輸入和參數,並給出結果。

我們在本章中討論的功能是平均值,中位數和模式。

Mean平均值

通過求出數據集的和再除以求和數的總量得到平均值

函數mean()用於在R語言中計算平均值。

語法

用於計算R中的平均值的基本語法是

mean(x, trim = 0, na.rm = FALSE, ...)

以下是所使用的參數的描述

  • x是輸入向量。
  • trim用於從排序向量的兩端丟棄一些觀察結果。
  • na.rm用於從輸入向量中刪除缺失值。

# Create a vector. 
x <- c(12,7,3,4.2,18,2,54,-21,8,-5)

# Find Mean.
result.mean <- mean(x)
print(result.mean)

當我們執行上面的代碼,它產生以下結果

[1] 8.22

應用修剪選項

當提供trim參數時,向量中的值被排序,然後從計算平均值中減去所需的觀察值。

當trim = 0.3時,來自每端的3個值將從計算中減去以找到均值。

在這種情況下,排序的向量是(-21,-5,2,3,4.2,7,8,12,18,54),並且從用於計算平均值的向量中移除的值是(-21,-5,2) 從左邊和(12,18,54)從右邊。

# Create a vector.
x <- c(12,7,3,4.2,18,2,54,-21,8,-5)

# Find Mean.
result.mean <-  mean(x,trim = 0.3)
print(result.mean)

當我們執行上面的代碼,它產生以下結果

[1] 5.55

應用NA選項

如果有缺失值,則平均函數返回NA。

要從計算中刪除缺少的值,請使用na.rm = TRUE。 這意味著去除NA值。

# Create a vector. 
x <- c(12,7,3,4.2,18,2,54,-21,8,-5,NA)

# Find mean.
result.mean <-  mean(x)
print(result.mean)

# Find mean dropping NA values.
result.mean <-  mean(x,na.rm = TRUE)
print(result.mean)

當我們執行上面的代碼,它產生以下結果

[1] NA
[1] 8.22

Median中位數

數據系列中的最中間值稱為中值。 在R語言中使用median()函數來計算此值。

語法

計算R語言中位數的基本語法是

median(x, na.rm = FALSE)

以下是所使用的參數的描述

  • x是輸入向量。
  • na.rm用於從輸入向量中刪除缺失值。

# Create the vector.
x <- c(12,7,3,4.2,18,2,54,-21,8,-5)

# Find the median.
median.result <- median(x)
print(median.result)

當我們執行上面的代碼,它產生以下結果

[1] 5.6

Mode模式

模式是一組數據中出現次數最多的值。 Unike平均值和中位數,模式可以同時包含數字和字符數據。

R語言沒有標準的內置函數來計算模式。 因此,我們創建一個用戶函數來計算R語言中的數據集的模式。該函數將向量作為輸入,並將模式值作為輸出。

# Create the function.
getmode <- function(v) {
   uniqv <- unique(v)
   uniqv[which.max(tabulate(match(v, uniqv)))]
}

# Create the vector with numbers.
v <- c(2,1,2,3,1,2,3,4,1,5,5,3,2,3)

# Calculate the mode using the user function.
result <- getmode(v)
print(result)

# Create the vector with characters.
charv <- c("o","it","the","it","it")

# Calculate the mode using the user function.
result <- getmode(charv)
print(result)

當我們執行上面的代碼,它產生以下結果

[1] 2
[1] "it"

到此這篇關於R語言中平均值、中位數和模式知識點總結的文章就介紹到這瞭,更多相關R語言平均值,中位數和模式內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet!

推薦閱讀: