平均值是通過取數值的總和並除以資料序列中的值的數量來計算。函式mean()
用於在r中計算平均值。
語法
r中計算平均值的基本語法是 -
mean(x, trim = 0, na.rm = false, ...)
以下是使用的引數的描述 -
示例
# create a vector.
x <- c(17,8,6,4.12,11,8,54,-11,18,-7)
# find mean.
result.mean <- mean(x)
print(result.mean)
當我們執行上述**時,會產生以下結果 -
[1] 10.812
當提供trim
引數時,向量中的值進行排序,然後從計算平均值中刪除所需數量的觀察值。
例如,當trim = 0.3
時,每一端的3
個值將從計算中刪除以找到均值。
在這種情況下,排序的向量為(-21,-5,2,3,42,7,8,12,18,54)
,從用於計算平均值的向量中從左邊刪除:(-21,-5,2)
和從右邊刪除:(12,18,54)
這幾個值。
# create a vector.
x <- c(12,7,3,4.2,18,2,54,-21,8,-5)
# find mean.
result.mean <- mean(x,trim = 0.3)
print(result.mean)
當我們執行上述**時,會產生以下結果 -
[1] 5.55
如果缺少值,則平均函式返回na
。要從計算中刪除缺少的值,請使用na.rm = true
。 這意味著刪除na
值。參考以下示例** -
# create a vector.
x <- c(12,7,3,4.2,18,2,54,-21,8,-5,na)
# find mean.
result.mean <- mean(x)
print(result.mean)
# find mean dropping na values.
result.mean <- mean(x,na.rm = true)
print(result.mean)
當我們執行上述**時,會產生以下結果 -
[1] na
[1] 8.22
資料系列中的中間值被稱為中位數。r中使用median()
函式來計算中位數。
語法
r中計算位數的基本語法是 -
median(x, na.rm = false)
r
以下是使用的引數的描述 -
示例
# create the vector.
x <- c(12,7,3,4.2,18,2,54,-21,8,-5)
# find the median.
median.result <- median(x)
print(median.result)
當我們執行上述**時,會產生以下結果 -
[1] 5.6
眾數是指給定的一組資料集合**現次數最多的值。不同於平均值和中位數,眾數可以同時具有數字和字元資料。
r沒有標準的內建函式來計算眾數。因此,我們將建立乙個使用者自定義函式來計算r中的資料集的眾數。該函式將向量作為輸入,並將眾數值作為輸出。
示例
print(result)當我們執行上述**時,會產生以下結果 -
[1] 2
[1] "yiibai.com"
R和python語言如何求平均值,中位數和眾數
均值是通過取數值的總和並除以資料序列中的值的數量來計算。r語言平均值公式 mean x,trim 0,na.rm false,x 是輸入向量。trim 用於從排序的向量的兩端刪除一些觀測值。na.rm 用於從輸入向量中刪除缺少的值 x c 22,13,2,45,56,73,21,44,na resu...
平均值 為什麼中位數大多數時候比平均值好
開始我的資料分析冒險之旅,當然,我發現了解資料描述的主要統計方法是非常必要的。當我深入研究時,我意識到我很難理解為給定的資料選擇哪個集中趨勢指標。因為,當然,你知道,有三種 平均值,中位數和眾數。所以我決定寫這篇文章來幫助像我一樣在這個領域裡的新人來弄明白這一點,而不是害怕資料和統計。這裡我們使用p...
資料的中心值 均值 中位數 眾數
描述 一組資料的平均值。描述 中位數就是將資料按大小順序排列後,處於中間位置的數。如果資料總個數為奇數,中位數就是中間位置的數。如果資料總個數為偶數,中位數就是中間兩個資料的平均值。描述 資料中出現次數最多的數。一組資料中,可能存在多個眾數,也可能不存在眾數。如 2 6 6 8 8 10,眾數是 6...