R 计算均值、中值、方差与频率分布的文件

Question

我对 R 工具很陌生，我的问题可能有点太明显了。

我有一个包含以下数据的文件：

Score     Frequency

 100         10

 200         30

 300         40

如何读取此文件并计算均值、中值、方差和标准差？

如果上表只是没有任何频率信息的原始分数，那么我可以这样做：

x <- scan(file="scores.txt", what = integer())

中位数(x)

等等，但是当给定频率表时，我无法理解如何进行这些计算。

Answer 1

使用read.table读取数据（read ?read.table用于从文件中读取）。 然后，通过创建单个分数的向量来扩展数据。 然后我们可以编写一个函数来获取所需的统计信息。 当然，如果您不想编写函数，您可以单独计算每个。

d <- read.table(header = TRUE, text = "Score     Frequency
 100         10
 200         30
 300         40")

d2 <- rep(d$Score, d$Frequency)  ## expands the data by frequency of score

multi.fun <- function(x) {
    c(mean = mean(x), median = median(x), var = var(x), sd = sd(x))
}

multi.fun(d2)
#      mean     median        var         sd 
# 237.50000  250.00000 4905.06329   70.03616 

Answer 2

根据您输入文件的格式，您可以使用read.csv("scores.txt") 。 您可以使用read.csv("scores.txt", sep="\\t")更改分隔符。 如果您的数据没有标题，则可以使用选项header=F 。

我将使用 a ,因为这里更容易阅读。

输入文件

Score,Frequency
100,10
200,30
300,40

R 源代码

x <- read.csv("scores.txt")
mean(x$Score)
median(x$Score)
var(x$Score)
mean(x$Score)
sd(x$Score)

R 输出

> mean(x$Score)
[1] 200
> median(x$Score)
[1] 200
> var(x$Score)
[1] 10000
> mean(x$Score)
[1] 200
> sd(x$Score)
[1] 100

如果你想包括频率。

R 源代码

x <- read.csv("scores.txt")
mean(rep(x$Score, x$Frequency))
median(rep(x$Score, x$Frequency))
var(rep(x$Score, x$Frequency))
mean(rep(x$Score, x$Frequency))
sd(rep(x$Score, x$Frequency))

R 输出

> mean(rep(x$Score, x$Frequency))
[1] 237.5
> x <- read.csv("scores.txt")
> mean(rep(x$Score, x$Frequency))
[1] 237.5
> median(rep(x$Score, x$Frequency))
[1] 250
> var(rep(x$Score, x$Frequency))
[1] 4905.063
> mean(rep(x$Score, x$Frequency))
[1] 237.5
> sd(rep(x$Score, x$Frequency))
[1] 70.03616

Answer 3

只需按照您手动完成的方式进行操作：

让 s 是分数向量，f 是频率向量。

Sx = sum(s*f)
Sx2 = sum((s^2)*f)
n = sum(f)
theMean = Sx/n
SSx = Sx2 - n*theMean^2
sVar = SSx/(n-1)
ssd = sqrt(sVar)

这避免了使用 rep，当数字很大时，这很麻烦。

Answer 4

lines <- readLines("scores.txt")[-1]
mat <- matrix(as.numeric(unlist(
    strsplit(gsub(".*(\\d+).*(\\d+).*", "\\1,\\2", lines), ","))),
  ncol = 2, byrow = TRUE)
print(summary(mat[, 1]))
print(summary(mat[, 2]))