Función de resumen de datos en R

Question

Estoy seguro de que he encontrado una función como esta en un paquete de R antes, pero después de una extensa búsqueda en Google parece que no puedo encontrar en cualquier lugar. La función en la que estoy pensando produce un resumen gráfico para una variable dada, produciendo una salida con algunos gráficos (un histograma y tal vez un diagrama de cajas y bigotes) y algún texto que da detalles como la media, la SD, etc.

Estoy bastante seguro de que esta función no estaba incluida en el R base, pero parece que no puedo encontrar el paquete que usé.

¿Alguien conoce una función como ésta, y si es así, en qué paquete se encuentra?

Answer 1

Frank Harrell's Hmisc dispone de algunos gráficos básicos con opciones de anotación: consulte el paquete summary.formula() y otros relacionados plot funciones de envoltura. También me gusta el describe() función.

Para más información, consulte el La Biblioteca Hmisc o Introducción a S-Plus y a las bibliotecas Hmisc y Design .

Aquí hay algunas imágenes tomadas de la ayuda en línea ( bpplt , describe y plot(summary(...)) ):

Se pueden consultar muchos otros ejemplos en línea en el Manual gráfico de R , ver Hmisc (y no te pierdas rms ).

Answer 2

Recomiendo encarecidamente la función gráfico.Correlaciones en el paquete PerformanceAnalytics . Contiene una cantidad asombrosa de información en un solo gráfico: gráficos de densidad de kernel e histogramas para cada variable, y gráficos de dispersión, suavizadores de lowess y correlaciones para cada par de variables. Es una de mis funciones favoritas de resumen de datos gráficos:

library(PerformanceAnalytics)
chart.Correlation(iris[,1:4],col=iris$Species)

Answer 3

He encontrado esta función útil... el el mango del autor original es respiratoryclub .

f_summary <- function(data_to_plot)
{
## univariate data summary
require(nortest)
#data <- as.numeric(scan ("data.txt")) #commenting out by mike
data <- na.omit(as.numeric(as.character(data_to_plot))) #added by mike
dataFull <- as.numeric(as.character(data_to_plot))

# first job is to save the graphics parameters currently used
def.par <- par(no.readonly = TRUE)
par("plt" = c(.2,.95,.2,.8))
layout( matrix(c(1,1,2,2,1,1,2,2,4,5,8,8,6,7,9,10,3,3,9,10), 5, 4, byrow = TRUE))

#histogram on the top left
h <- hist(data, breaks = "Sturges", plot = FALSE)
xfit<-seq(min(data),max(data),length=100)
yfit<-yfit<-dnorm(xfit,mean=mean(data),sd=sd(data))
yfit <- yfit*diff(h$mids[1:2])*length(data)
plot (h, axes = TRUE, main = paste(deparse(substitute(data_to_plot))), cex.main=2, xlab=NA)
lines(xfit, yfit, col="blue", lwd=2)
leg1 <- paste("mean = ", round(mean(data), digits = 4))
leg2 <- paste("sd = ", round(sd(data),digits = 4))
count <- paste("count = ", sum(!is.na(dataFull)))
missing <- paste("missing = ", sum(is.na(dataFull)))
legend(x = "topright", c(leg1,leg2,count,missing), bty = "n")

## normal qq plot
qqnorm(data, bty = "n", pch = 20)
qqline(data)
p <- ad.test(data)
leg <- paste("Anderson-Darling p = ", round(as.numeric(p[2]), digits = 4))
legend(x = "topleft", leg, bty = "n")

## boxplot (bottom left)
boxplot(data, horizontal = TRUE)
leg1 <- paste("median = ", round(median(data), digits = 4))
lq <- quantile(data, 0.25)
leg2 <- paste("25th percentile =  ", round(lq,digits = 4))
uq <- quantile(data, 0.75)
leg3 <- paste("75th percentile = ", round(uq,digits = 4))
legend(x = "top", leg1, bty = "n")
legend(x = "bottom", paste(leg2, leg3, sep = "; "), bty = "n")

## the various histograms with different bins
h2 <- hist(data,  breaks = (0:20 * (max(data) - min (data))/20)+min(data), plot = FALSE)
plot (h2, axes = TRUE, main = "20 bins")

h3 <- hist(data,  breaks = (0:10 * (max(data) - min (data))/10)+min(data), plot = FALSE)
plot (h3, axes = TRUE, main = "10 bins")

h4 <- hist(data,  breaks = (0:8 * (max(data) - min (data))/8)+min(data), plot = FALSE)
plot (h4, axes = TRUE, main = "8 bins")

h5 <- hist(data,  breaks = (0:6 * (max(data) - min (data))/6)+min(data), plot = FALSE)
plot (h5, axes = TRUE,main = "6 bins")

## the time series, ACF and PACF
plot (data, main = "Time series", pch = 20, ylab = paste(deparse(substitute(data_to_plot))))
acf(data, lag.max = 20)
pacf(data, lag.max = 20)

## reset the graphics display to default
par(def.par)

#original code for f_summary by respiratoryclub

}

Answer 4

No estoy seguro de si esto es lo que estabas pensando, pero es posible que quieras comprobar el fitdistrplus paquete. Tiene un montón de buenas funciones que generan automáticamente información resumida útil sobre su distribución, y hacen gráficos de parte de esa información. Estos son algunos ejemplos del paquete viñeta :

library(fitdistrplus)
data(groundbeef)
windows()              # or quartz() for mac
  plotdist(groundbeef$serving)  

windows()
> descdist(groundbeef$serving, boot=1000)
summary statistics
------
min:  10   max:  200 
median:  79 
mean:  73.64567 
estimated sd:  35.88487 
estimated skewness:  0.7352745 
estimated kurtosis:  3.551384 

fw = fitdist(groundbeef$serving, "weibull")

>summary(fw)
Fitting of the distribution ' weibull ' by maximum likelihood 
Parameters : 
       estimate Std. Error
shape  2.185885  0.1045755
scale 83.347679  2.5268626
Loglikelihood:  -1255.225   AIC:  2514.449   BIC:  2521.524 
Correlation matrix:
         shape    scale
shape 1.000000 0.321821
scale 0.321821 1.000000

fg  = fitdist(groundbeef$serving, "gamma")
fln = fitdist(groundbeef$serving, "lnorm")
windows()
  plot(fw)

windows()
  cdfcomp(list(fw,fln,fg), legendtext=c("Weibull","logNormal","gamma"), lwd=2,
          xlab="serving sizes (g)")

>gofstat(fw)
Kolmogorov-Smirnov statistic:  0.1396646 
Cramer-von Mises statistic:  0.6840994 
Anderson-Darling statistic:  3.573646

Answer 5

Para explorar el conjunto de datos que realmente me gusta rattle . Instala el paquete y simplemente llama a rattle() . La interfaz se explica por sí misma.