R计算具有频率分布的文件的平均值，中位数，方差答案

【问题标题】：R computing mean, median, variance from file with frequency distributionR计算具有频率分布的文件的平均值，中位数，方差
【发布时间】：2014-05-03 21:07:41
【问题描述】：

我对 R 工具非常陌生，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平均值、中位数、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：

中位数（x）

等等，但我无法理解在给定频率表时如何进行这些计算。

【问题讨论】：

标签： r statistics

【解决方案1】：

按照您手动完成的方式进行：

设 s 为分数向量，f 为频率向量。

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)

这避免了使用代表，当数字很大时很麻烦。

【讨论】：

【解决方案2】：

使用read.table 读取数据（读取?read.table 以从文件中读取）。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。如果您不想编写函数，当然可以单独计算每个。

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

【讨论】：

如果频率很大的解决方案是什么，例如不能扩展内存中的数据？

【解决方案3】：

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，您可以使用选项header=F。

我将使用,，因为在这里更容易阅读。

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

如果你想包含频率。

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

【讨论】：

rep 函数是我过去一小时一直在寻找的！谢谢。

【解决方案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]))

【讨论】：