1. 频数统计

对数据进行频数统计，需要有因子类型的数据才行，所谓因子就是可以将数据划分为不同的等级，划分为不同的组别。

f_cyl<- as.factor(mtcars$cyl)#将mtcars中的cyl列作为因子
split(mtcars,f_cyl)#按因子f_cyl的不同水平将数据划分

图1 按因子cyl划分组别

如果不是因子类型数据，可以使用cut函数进行划分

cut(mtcars$mpg,c(seq(10,50,10)))#将10到50每十个数切一刀分为四组，并且将mpg列数据统计到对应的区间

1.1 一维频数统计

1.1.1 用table函数

table(f_cyl)#对cyl因子进行频数统计
table(cut(mtcars$mpg,c(seq(10,50,10))))#对mpg列数值处于哪个区间进行频数统计

图2 table函数进行频数统计

1.2 二维频数统计

1.2.1 用table函数

library(vcd)
library(grid)#载入两个包以使用Arthritis数据集
table(Arthritis$Treatment,Arthritis$Improved)#对这两列进行频数统计
#with(data=Arthritis,(table(Treatment,Improved)))#方法二，意义一致

图3 table函数二维频数统计结果

1.2.2 用xtabs函数

xtabs(formula=~Treatment+Improved,data=Arthritis)

图4 xtabs函数二维频数统计结果

1.2.3 用margin.table()函数

x<-xtabs(~Treatment+Improved,data=Arthritis)#
margin.table(x)#统计总的频数
margin.table(x,1)#统计每行的频数之和，1表示行
margin.table(x,2)#统计每列的频数之和，2表示列

图5 margin函数统计频数

♥1.2.4 用addmargins()函数

这一种数据呈现形式是我最能接受的，推荐使用

x<-xtabs(~Treatment+Improved,data=Arthritis)#
addmargins(x)#统计总的频数
addmargins(x,1)#统计每行的频数之和，1表示行
addmargins(x,2)#统计每列的频数之和，2表示列

图6 addmargins函数统计频数

1.3 三维频数统计

1.3.1 xtabs函数

这种形式符合逻辑想象，但是肉眼表达不直观

y<-xtabs(~Treatment+Improved+Sex,data=Arthritis)#三维列联表
y

图7 xtabs函数统计三维频数

我们可以使用ftable函数使结果表达的更直观，但是弊端是不便于理解

y<-xtabs(~Treatment+Improved+Sex,data=Arthritis)#三维列联表
ftable(y)#将三维列联表转换成平铺式的列联表

图8 ftable函数转换表现形式

2. 频率统计

2.1 一维频数统计

2.1.1 用prop.table函数进行频率的计算

prop.table((table(f_cyl)))#对table(f_cyl）出来的结果进行频率计算

图6 prop.table进行频率计算

2.2 二维频率统计

2.2.1 用prop.table函数进行频率的计算

x<-xtabs(~Treatment+Improved,data=Arthritis)
prop.table(x)#统计总的频率，具体的含义我忘记了是什么
prop.table(x,1)#按行统计频率，1表示行
prop.table(x,2)#按列统计频率，2表示列

图7 prop.table进行二维频率计算

2.3 三维频率统计