Odpowiedzi:
Używam table
i prop.table
, ale CrossTable
w gmodels
pakiecie może dać wyniki jeszcze bliższe SAS. Zobacz ten link .
Ponadto, aby wygenerować „statystyki opisowe dla wielu zmiennych jednocześnie”, należy użyć summary
funkcji; np summary(mydata)
.
Podsumowanie danych w bazie R to tylko ból głowy. Jest to jeden z obszarów, w którym SAS działa całkiem dobrze. Dla R polecam plyr
pakiet.
W SAS:
/* tabulate by a and b, with summary stats for x and y in each cell */
proc summary data=dat nway;
class a b;
var x y;
output out=smry mean(x)=xmean mean(y)=ymean var(y)=yvar;
run;
z plyr
:
smry <- ddply(dat, .(a, b), summarise, xmean=mean(x), ymean=mean(y), yvar=var(y))
Nie używam SAS; więc nie mogę komentować, czy poniższe replikują się SAS PROC FREQ
, ale są to dwie szybkie strategie opisywania zmiennych w pliku data.frame, których często używam:
describe
w Hmisc
zapewnia przydatne podsumowanie zmiennych, w tym danych liczbowych i nienumerycznychdescribe
w psych
zapewnia statystyki opisowe dla danych liczbowych> library(MASS) # provides dataset called "survey"
> library(Hmisc) # Hmisc describe
> library(psych) # psych describe
Oto wynik Hmisc
describe
:
> Hmisc::describe(survey)
survey
12 Variables 237 Observations
----------------------------------------------------------------------------------------------------------------------
Sex
n missing unique
236 1 2
Female (118, 50%), Male (118, 50%)
----------------------------------------------------------------------------------------------------------------------
Wr.Hnd
n missing unique Mean .05 .10 .25 .50 .75 .90 .95
236 1 60 18.67 16.00 16.50 17.50 18.50 19.80 21.15 22.05
lowest : 13.0 14.0 15.0 15.4 15.5, highest: 22.5 22.8 23.0 23.1 23.2
----------------------------------------------------------------------------------------------------------------------
NW.Hnd
n missing unique Mean .05 .10 .25 .50 .75 .90 .95
236 1 68 18.58 15.50 16.30 17.50 18.50 19.72 21.00 22.22
lowest : 12.5 13.0 13.3 13.5 15.0, highest: 22.7 23.0 23.2 23.3 23.5
----------------------------------------------------------------------------------------------------------------------
[ABBREVIATED OUTPUT]
Poniżej znajduje się wynik psych
describe
dla zmiennych numerycznych:
> psych::describe(survey[,sapply(survey, class) %in% c("numeric", "integer") ])
var n mean sd median trimmed mad min max range skew kurtosis se
Wr.Hnd 1 236 18.67 1.88 18.50 18.61 1.48 13.00 23.2 10.20 0.18 0.36 0.12
NW.Hnd 2 236 18.58 1.97 18.50 18.55 1.63 12.50 23.5 11.00 0.02 0.51 0.13
Pulse 3 192 74.15 11.69 72.50 74.02 11.12 35.00 104.0 69.00 -0.02 0.41 0.84
Height 4 209 172.38 9.85 171.00 172.19 10.08 150.00 200.0 50.00 0.22 -0.39 0.68
Age 5 237 20.37 6.47 18.58 18.99 1.61 16.75 73.0 56.25 5.16 34.53 0.42
Korzystam z funkcji słownika {EPICALC}, która daje statystyki podsumowujące dla zmiennej numerycznej i tabelę częstotliwości z etykietami poziomu i kodami czynników. http://cran.r-project.org/doc/contrib/Epicalc_Book.pdf (patrz str. 50) Co więcej, jest to bardzo przydatne, ponieważ zapewnia sd dla zmiennych ilościowych.
Cieszyć się !
codebook()
to określa. 1 problem polega na tym, że na
s są usuwane, co może być potrzebne w twoich wynikach. Jednym ze sposobów radzenia sobie z tym (przynajmniej z czynnikami) jest użycie ? Recode.is.na 1st (np. „Brak”); dla zmiennych numerycznych możesz utworzyć nową zmienną bezpośrednio po lewej stronie kolumny z wartością logiczną na podstawie is.na()
, a następnie uruchomić codebook()
. Ale to trochę dziwne.
Możesz sprawdzić mój pakiet narzędzi podsumowujących ( link CRAN ), który zawiera funkcję podobną do słownika, z opcjami markdown i formatowania HTML.
install.packages("summarytools")
library(summarytools)
dfSummary(CO2, style = "grid", plain.ascii = TRUE)
+------------+---------------+-------------------------------------+--------------------+-----------+
| Variable | Properties | Stats / Values | Freqs, % Valid | N Valid |
+============+===============+=====================================+====================+===========+
| Plant | type:integer | 1. Qn1 | 1: 7 (8.3%) | 84/84 |
| | class:ordered | 2. Qn2 | 2: 7 (8.3%) | (100.0%) |
| | + factor | 3. Qn3 | 3: 7 (8.3%) | |
| | | 4. Qc1 | 4: 7 (8.3%) | |
| | | 5. Qc3 | 5: 7 (8.3%) | |
| | | 6. Qc2 | 6: 7 (8.3%) | |
| | | 7. Mn3 | 7: 7 (8.3%) | |
| | | 8. Mn2 | 8: 7 (8.3%) | |
| | | 9. Mn1 | 9: 7 (8.3%) | |
| | | 10. Mc2 | 10: 7 (8.3%) | |
| | | ... 2 other levels | others: 14 (16.7%) | |
+------------+---------------+-------------------------------------+--------------------+-----------+
| Type | type:integer | 1. Quebec | 1: 42 (50%) | 84/84 |
| | class:factor | 2. Mississippi | 2: 42 (50%) | (100.0%) |
+------------+---------------+-------------------------------------+--------------------+-----------+
| Treatment | type:integer | 1. nonchilled | 1: 42 (50%) | 84/84 |
| | class:factor | 2. chilled | 2: 42 (50%) | (100.0%) |
+------------+---------------+-------------------------------------+--------------------+-----------+
| conc | type:double | mean (sd) = 435 (295.92) | 95: 12 (14.3%) | 84/84 |
| | class:numeric | min < med < max = 95 < 350 < 1000 | 175: 12 (14.3%) | (100.0%) |
| | | IQR (CV) = 500 (0.68) | 250: 12 (14.3%) | |
| | | | 350: 12 (14.3%) | |
| | | | 500: 12 (14.3%) | |
| | | | 675: 12 (14.3%) | |
| | | | 1000: 12 (14.3%) | |
+------------+---------------+-------------------------------------+--------------------+-----------+
| uptake | type:double | mean (sd) = 27.21 (10.81) | 76 distinct values | 84/84 |
| | class:numeric | min < med < max = 7.7 < 28.3 < 45.5 | | (100.0%) |
| | | IQR (CV) = 19.23 (0.4) | | |
+------------+---------------+-------------------------------------+--------------------+-----------+
EDYTOWAĆ
W nowszych wersjach summarytools The freq()
function (która produkuje tabele częstotliwości proste, bardziej do-punktu, w odniesieniu do pierwotnego pytania) akceptuje ramek danych, jak również pojedynczych zmiennych. Aby zobaczyć tabele krzyżowe (co robi również proc freq ), zobacz ctable()
funkcję.
freq(CO2)
Typ : Zamówiony współczynnik
Freq % Valid % Valid Cum % Total % Total Cum
Qn1 7 8.33 8.33 8.33 8.33
Qn2 7 8.33 16.67 8.33 16.67
Qn3 7 8.33 25.00 8.33 25.00
Qc1 7 8.33 33.33 8.33 33.33
Qc3 7 8.33 41.67 8.33 41.67
Qc2 7 8.33 50.00 8.33 50.00
Mn3 7 8.33 58.33 8.33 58.33
Mn2 7 8.33 66.67 8.33 66.67
Mn1 7 8.33 75.00 8.33 75.00
Mc2 7 8.33 83.33 8.33 83.33
Mc3 7 8.33 91.67 8.33 91.67
Mc1 7 8.33 100.00 8.33 100.00
<NA> 0 0.00 100.00
Total 84 100.00 100.00 100.00 100.00
Typ CO2 $
Typ : współczynnik
Freq % Valid % Valid Cum % Total % Total Cum
Quebec 42 50.00 50.00 50.00 50.00
Mississippi 42 50.00 100.00 50.00 100.00
<NA> 0 0.00 100.00
Total 84 100.00 100.00 100.00 100.00
Obróbka CO2 $
Typ : współczynnik
Freq % Valid % Valid Cum % Total % Total Cum
nonchilled 42 50.00 50.00 50.00 50.00
chilled 42 50.00 100.00 50.00 100.00
<NA> 0 0.00 100.00
Total 84 100.00 100.00 100.00 100.00
Dziękujemy za wszystkie sugestie wszystkim. Skończyło się na użyciu tabeli lub funkcji numSummary Rcmdr plus zastosuj:
apply(dataframe[,c('need_rbcs','need_platelets','need_ffp')],2,table)
Działa to całkiem dobrze i nie jest zbyt niewygodne. Jednak na pewno spróbuję tych innych rozwiązań!