整体的描述性统计量
1. summary()函数可以获取描述性统计量
可以提供最小值、最大值、四分位数和数值型变量的均值，以及因子向量和逻辑型向量的频数统计
2. misc包中的describe()函数
可返回变量和观测的数量、缺失值和唯一值的数目、平均值、分位数，以及五个最大的值和五个最小的值
3. psych包中的describe()函数
psych包也拥有一个名为describe()的函数，它可以计算非缺失值的数量、平均数、标准差、中位数、截尾均值、绝对中位差、最小值、最大值、值域、偏度、峰度和平均值的标准误
4. pastecs包中的stat.desc()的函数
可以计算种类繁多的描述性统计量。使用格式为：stat.desc（x,basic=TRUE,desc=TRUE,norm=FALSE,p=0.95）
其中的x是一个数据框或时间序列。
若basic=TRUE（默认值），则计算其中所有值、空值、缺失值的数量，以及最小值、最大值、值域，还有总和。
若desc=TRUE（同样也是默认值），则计算中位数、平均数、平均数的标准误、平均数置信度为95%的置信区间、方差、标准差以及变异系数。
最后，若norm=TRUE（不是默认的），则返回正态分布统计量，包括偏度和峰度（以及它们的统计显著程度）和Shapiro–Wilk正态检验结果
5. str()函数
以简洁的方式显示对象的数据结构及内容，可以查看数据框中每个变量的属性
6. attributes()函数
可以提取对象除长度和模式以外的各种属性
各组的描述性统计信息
7. aggregate()函数
仅允许在每次调用中使用平均数、标准差这样的单返回值函数，它无法一次返回若干个统计量
8. by()函数
格式为：by(data,INDICES,FUN)，其中data是一个数据框或矩阵，INDICES是一个因子或因子组成的列表，定义了分组，FUN是任意函数。
9. doBy包中的summaryBy()函数
10. psych包中的describe.by()函数
比较两个数据集不同的Column Name
# 方法1
names(cprv_tongyong [, !pmatch(names(cprv_tongyong),names(cprv_tongyong_all),0)])
# 方法2
names(cprv_tongyong [, !match(names(cprv_tongyong),names(cprv_tongyong_all),0)])
# 方法3
names(car_data_58_all[,!names(car_data_58_all) %in% names(car_data_58)])
# 方法4
car_data_58_diff <-car_data_58_all[which( car_data_58$id %in% car_data_58_all$id),]
如果结果是：character(0) , 是数据集关系写反了。
比较两个字符串不同的内容
cc[!cc %in% xc] # 字符串
网友评论