在R 中mean函数用来计算算术平均值。该函数接受一个 R 对象x作为参数,以及一个trim选项来在计算均值之前剔除任意比例的数据(LCTT 译注:比如对于一个含有 7 个元素的向量x,设置trim为 0.2 表示分别去掉x中最大和最小的前 20% ——即 1.4 个—— 的元素,所去掉的元素的个数会向下取整,所以最终会去掉 1 个...
2, 3, 4, 5), dim = c(5, 1)) mean(arr) # 输出结果为3 # 删除极值计算平均值 mean(x, trim = 0.2) # 输出结果为3 # 删除缺失值计算平均值 x <- c(1, 2, 3, NA, 5) mean(x, na.rm = TRUE) # 输出结果为2.75 复制
mean 函数的输入向量中,如果元素没有值,则默认为 NA,我们可以通过第三个参数来设置是否删除默认的 NA 值,如果没有删除 NA 返回结果为 NA: # 创建向量x<-c(1,2,3,4.5,6,NA)# 计算平均值result.mean<-mean(x)print(result.mean)# 删除 NAresult.mean<-mean(x,na.rm=TRUE)print(result.mean) 执行以...
mean()函数语法格式如下: mean(x, trim =0,na.rm =FALSE, ...) 参数说明: x 输入向量 trim 在首尾分别去除异常值,取值范围为0到0.5之间,表示在计算均值前需要去掉的异常值的比例。 na.rm布尔值,默认为 FALSE,设置是否删除输入的向量中的缺失值 NA,设置 TRUE 删除 NA。 实例 # 创建向量 x <-c(12,...
lapply(x, mean) 4. 函数sapply() sapply() 是 lapply() 的简化版本,多了一个参数simplify,若simplify=FALSE,则同lapply(),若为TRUE,则将输出的list简化为向量或矩阵。基本格式为: sapply(x, fun, ..., simplify=TRUE, USE.NAMES=...) 5. 函数mapply() 是函数sapply()的多变量版本,将对多个变量的每...
ex:mean(as.data.frame(x)) 在做多元数据分析时,多元数据输入最好使用数据框的方式输入 4.在计算中某些数据是异常的,参数trim可以减少输入误差对计算的影响 ex:w.mean<-mean(w,trim=0.1) 0.1表示计算均值前需要去掉异常值的比例 5.有缺失值的时候无法计算均值,加上参数na.rm=TRUE可以计算有缺失值的均值 ...
mean函数有三个参数,详细说明见下: 1 数值或者逻辑类型的向量。 2 通过参数trim指定异常值截断的比例,这里指的是前后都被截取的比例,该参数的范围是0到0.5。 3 na.rm指定为TURE即删除NA值,为FALSE则不删除异常值。 注:截取时取该参数trim与向量个数乘积的整数部分。
本文主要介绍R语言中的几种统计函数的使用。 简单描述性统计 对于样本的简单描述性统计包括对样本平均状态的分析和离散程度的评价。样本的平均状态可以用平均值、中位数和众数等指标描述;离散状态可以用标准差和方差来评估。在R中,相关的函数如下: mean(x, trim, na.rm): 计算样本的均值; ...
mean()函数用于计算算数平均值 median( )函数用于计算中位数 range( )函数用于计算由min()和max()组成的向量 var()函数用于计算样本方差 cor()函数用于计算向量之间的相关性 rank()函数用于计算得到一个由中间向量中值的排位组成的向量 quantile()函数用于算的一个向量,该向量包括原向量的最小值,下四分位数,中...