【R】基本統計量を求める

データの分布状況を知るための、「基本統計量」を求める方法です。
この程度の処理であればExcelを使っても求められますが、こういった基本的な処理からRに慣れておくのが良いかもしれません。

解析に使うデータ

• 以下のデータは、ある山の東側（east）と西側（west）で測定した葉のサイズ（mm^2）です。

leaf_size.csv

east,west
4632.4,4159.1
3481,3844.4
3267.8,3135.0
3130.9,2837.2
3108,2801.2
2575.4,2587.8
4556.9,5180.1
4343.5,3635.9
4130.3,2651.1
2824,2642.7

データの読み込み

• 【R】データの読み込みにも書いていますが、復習を兼ねてこちらにも書いておきます...

Rのコンソール

> # leaf_size.csvを読み込んで、"leaf_size"という名前のデータフレームに格納する。
> leaf_size <- read.table("C:\\leaf_size.csv", header=TRUE, encoding="CP932", sep=",")
> leaf_size
     east   west
1  4632.4 4159.1
2  3481.0 3844.4
3  3267.8 3135.0
4  3130.9 2837.2
5  3108.0 2801.2
6  2575.4 2587.8
7  4556.9 5180.1
8  4343.5 3635.9
9  4130.3 2651.1
10 2824.0 2642.7

基本統計量を求める

• 以下で使用している関数に対して、データフレームを丸ごと投げることはできません。
• そのため、eastとwestの各列に対してmean関数を実行しています。
  • east列：leaf_size$east
  • west列：leaf_size$west

最小値、最大値、中央値

Rのコンソール

> # 最小値
> min(leaf_size$east)
[1] 2575.4
> min(leaf_size$west)
[1] 2587.8
> # 最大値
> max(leaf_size$east)
[1] 4632.4
> max(leaf_size$west)
[1] 5180.1
> # 中央値
> median(leaf_size$east)
[1] 3374.4
> median(leaf_size$west)
[1] 2986.1

平均値、標準偏差、不偏分散

Rのコンソール

> # 平均値
> mean(leaf_size$east)
[1] 3605.02
> mean(leaf_size$west)
[1] 3347.45
> # 標準偏差
> sd(leaf_size$east)
[1] 749.3615
> sd(leaf_size$west)
[1] 850.4945
> # 分散
> var(leaf_size$east)
[1] 561542.6
> var(leaf_size$west)
[1] 723340.8

複数の列の基本統計量を求める

• sapply関数を使うことで、複数の列の基本統計量を求めることができます。
• sapply関数は第一引数にデータフレームそのものを指定できるだけでなく、「leaf_size[1:2]」のように基本統計量を求めたい列を指定することも可能です。

Rのコンソール

> sapply(leaf_size, mean)
   east    west 
3605.02 3347.45 
> sapply(leaf_size, sd)
    east     west 
749.3615 850.4945 
> sapply(leaf_size, var)
    east     west 
561542.6 723340.8 
> sapply(leaf_size, min)
  east   west 
2575.4 2587.8 
> sapply(leaf_size, max)
  east   west 
4632.4 5180.1 
> sapply(leaf_size, median)
  east   west 
3374.4 2986.1