R語言描述統計第一彈｜計算泰坦尼克號不同艙位的存活率

作者：丁點helper

今天開始學習在R語言中做描述性統計。為了便於大家邊學邊練，可以下載這個資料：

檔名：titanic。csv

連結：https：//pan。baidu。com/s/1Pj0EsaBZdnw6mHPpeVd9Aw

密碼： yuym

將本地檔案匯入到R中

為了便於資料管理和操作，我們通常會把資料儲存為。csv格式，這是excel中的一種較為簡單的資料格式。想要把一個。csv格式的資料匯入R，可以用read。csv（）這個函式：

# 將本地檔案titanic。csv匯入到R中，# 並存儲到titanic這個物件中titanic <- read。csv（“//Users//Desktop//titanic。csv”，header = TRUE）

假設該本地檔案儲存的是1912年沉沒於大西洋的巨型郵輪泰坦尼克號中乘客的基本資訊。

上面第一個命令“//Users//Desktop//titanic。csv”是檔案titanic。csv的本地儲存地址，大家要根據自己電腦的儲存位置自行調整；

第二個命令header = TRUE 是指將原檔案中的第一行自動設定為檔案的列名。

如果你的。csv檔案中並無列名，而是希望在匯入R之後再設定，則應將第二個命令設定為header = FALSE。

瞭解資料

上篇文章講過，拿到一個數據庫，首先要了解它的基本資訊。之前已經講過，我們簡單複習一下。

class（titanic） #物件是什麼資料結構［1］ “data。frame”dim（titanic） #檢視資料有幾行幾列［1］ 1309 6names（titanic） #檢視資料的列名［1］ “pclass” “survived” “sex” “age” “sibsp” “parch” head（titanic） #檢視前6行tail（titanic） #檢視後6行

可以知道，titanic這個資料框中有1309條記錄，6個變數。

這6個變數依次為艙位等級、是否倖存、性別、年齡、同行的兄弟姐妹或配偶數量、同行的父母或子女數量。

描述性統計

接下來我們來對titanic這個資料做描述性統計。

1. 每個等級的船艙中分別有多少人？

有兩種方法，一是table（）函式，用於統計分類變數pclass中各類別的頻數；二是summary（）函式，功能是做描述性統計，既適用於分類也適用於計數變數，可以用來統計分類變數的頻數、計算計數變數的均數、百分位數等。

# 方法一table（titanic$pclass） 1st 2nd 3rd 323 277 709# 方法二summary（titanic$pclass） 1st 2nd 3rd 323 277 709

2. 遇難者與倖存者分別有多少人？

table（titanic$survived） died survived 809 500

3. 每個等級的艙位中分別有多少人遇難、多少人倖存？

本例中，按照『艙位等級』和『是否倖存』兩個條件統計乘客狀況，共6種可能。仍使用table（）函式，統計每種可能的狀況分別有多少人，生成交叉列聯表。

# 將列聯表儲存在tab1中tab1 <- table（titanic$survived，titanic$pclass）# 檢視tab1的內容tab1 1st 2nd 3rd died 123 158 528 survived 200 119 181

4. 每個等級的艙位中倖存者的比例是多少呢？

思路很簡單，就是每等級艙位中倖存者的人數佔該艙位總人數的比例。

1）那我們先看看每等級艙位中倖存者的人數怎麼算，上面的tab1第二行就是，只需要將其提取出來，方法和前面講過的如何提取資料框中的行和列相同：

#提取tab1的第二行tab1［2， ］ 1st 2nd 3rd 200 119 181

2）每種艙位總人數？上面也已經計算過：

table（titanic$pclass） 1st 2nd 3rd 323 277 709

還有一種方法，使用apply（）函式，功能是對矩陣類資料的行或列進行批次處理：

apply（tab1，2，sum） 1st 2nd 3rd 323 277 709

函式中有三個命令。第一個命令tab1表示待處理的資料；第二個命令2表示對tab1的每一列進行處理，若需處理每一行，則第二個命令應輸入數字1；第三個命令sum表示求和。

因此，上述語句的意義為：對tab1中的每一列求和，即計算每個等級艙位中的總人數。

3）求每等級艙位中倖存者的人數佔該艙位總人數的比例：

# 方法一tab1［2， ］/table（titanic$pclass） 1st 2nd 3rd 0。6191950 0。4296029 0。2552891 # 方法二tab1［2， ］/apply（tab1，2，sum） 1st 2nd 3rd 0。6191950 0。4296029 0。2552891

4）你一定也發現了，這個結果非常不美觀，也不適合在科研工作中報告。我們做以下變化：

# 先乘以100tab1［2， ］/apply（tab1，2，sum）*100 1st 2nd 3rd 61。91950 42。96029 25。52891# 保留2位小數 round（tab1［2， ］/apply（tab1，2，sum）*100，2） 1st 2nd 3rd 61。92 42。96 25。53

round（）函式的功能是保留小數位數。

上面的程式碼中，第一個命令tab1［2， ］/apply（tab1，2，sum）*100 是需要保留小數的物件；

第二個命令2是指保留2位小數。

5）可是這個結果顯然不對，加上百分號%才是準確的。需要用到paste（）函式，該函式的功能是把各種元素連線起來，本例中，我們希望把數字和百分號連線：

paste（round（tab1［2， ］/apply（tab1，2，sum）*100，2），“%”，sep=“”）“61。92%” “42。96%” “25。53%”

第一個命令round（tab1［2， ］/apply（tab1，2，sum）*100，2） 就是上面計算好的百分數的數字部分，這是要連線的第一部分；

第二個命令“%” 是要連線的第二部分；

第三個命令sep=“” 指兩個元素之間的連線符號，這裡我們不需要任何連線符號，所以引號“”之間什麼都不用寫。