R 编程中的均值、中值和众数

R 语言中的集中趋势度量用单个值表示整个数据集。它为我们提供了中心点的位置。集中趋势的三个主要指标：

• 意思是
• 中位数
• 模式

先决条件：

在进行任何计算之前，首先，我们需要准备数据，将数据保存在外部 .txt 或 .csv 文件中，最好将文件保存在当前目录中。导入后，您的数据到 R 中，如下所示：

在此处获取 CSV 文件。

R

# R program to import data into R
 
# Import the data using read.csv()
myData = read.csv("CardioGoodFitness.csv",
                  stringsAsFactors=F)
# Print the first 6 rows
print(head(myData))

输出：

Product Age Gender Education MaritalStatus Usage Fitness Income Miles
1   TM195  18   Male        14        Single     3       4  29562   112
2   TM195  19   Male        15        Single     2       3  31836    75
3   TM195  19 Female        14     Partnered     4       3  30699    66
4   TM195  19   Male        12        Single     3       3  32973    85
5   TM195  20   Male        13     Partnered     4       2  35247    47
6   TM195  20 Female        14     Partnered     3       3  32973    66

R 编程语言中的均值

它是观测值的总和除以观测值的总数。它也被定义为平均值，即总和除以计数。

其中， n = 项数

例子：

R

# R program to illustrate
# Descriptive Analysis
 
# Import the data using read.csv()
myData = read.csv("CardioGoodFitness.csv",
                  stringsAsFactors=F)
 
# Compute the mean value
mean = mean(myData$Age)
print(mean)

输出：

[1] 28.78889

R 编程语言中的中位数

它是数据集的中间值。它将数据分成两半。如果数据集中元素的数量是奇数，则中心元素是中值，如果是偶数，则中值将是两个中心元素的平均值。

其中n = 项数

Syntax: median(x, na.rm = False)

Where, X is a vector and na.rm is used to remove missing value

例子：

R

# R program to illustrate
# Descriptive Analysis
 
# Import the data using read.csv()
myData = read.csv("CardioGoodFitness.csv",
                  stringsAsFactors=F)
 
# Compute the median value
median = median(myData$Age)
print(median)

输出：

[1] 26

R 编程语言中的模式

它是给定数据集中频率最高的值。如果所有数据点的频率相同，则数据集可能没有众数。此外，如果我们遇到两个或多个具有相同频率的数据点，我们可以有多个模式。 R 中没有用于查找模式的内置函数，因此我们可以创建自己的函数来查找模式，也可以使用名为modem 的包。

创建用于查找模式的用户定义函数

R 中没有用于查找模式的内置函数。因此，让我们创建一个用户定义的函数，该函数将返回传递的数据的模式。我们将为此使用 table() 方法，因为它以表格的形式创建具有变量名称和频率的数据的分类表示。我们将按降序对 Age 列进行排序，并从排序后的值中返回 1 值。

示例：通过对数据框的列进行排序来查找模式

R

# Import the data using read.csv()
myData = read.csv("CardioGoodFitness.csv",
                  stringsAsFactors=F)
 
mode = function(){
    return(sort(-table(myData$Age))[1])
}
 
mode()

输出：

25: -25

使用谦虚的包

我们可以使用 R 的适度包。这个包提供了找到单变量数据的众数和通常概率分布的众数的方法。

例子：

R

# R program to illustrate
# Descriptive Analysis
 
# Import the library
library(modest)
 
# Import the data using read.csv()
myData = read.csv("CardioGoodFitness.csv",
                  stringsAsFactors=F)
 
# Compute the mode value
mode = mfv(myData$Age)
print(mode)

输出：

[1] 25