R 均值、中位数和众数

均值、众数和中位数是集中趋势的度量。换句话说，它告诉您数据集的“中间”在哪里。

这些统计量中的每一个都以不同的方式定义中间值。

• 均值是数据集的平均值。
• 众数是数据集中最常见的数字。
• 中位数是数字集合的中间值。

如果您想更详细地了解集中趋势的度量，请访问均值、中位数和众数。

在 R 中计算均值

在 R 中，我们使用 mean() 函数计算均值。例如，

# vector of marks
marks <- c(97, 78, 57, 64, 87)

# calculate average marks
result <- mean(marks)

print(result)

输出

[1] 76.6

在上面的示例中，我们使用 mean() 函数计算了 marks 向量的平均结果。

在 R 中计算中位数

我们使用 median() 函数计算 R 中的中位数。例如，

# vector of marks
marks <- c(97, 78, 57, 64, 87)

# find middle number of marks
result <- median(marks)

print(result)

输出

[1] 78

在上面的示例中，我们使用 median() 函数查找 marks 向量的中间值。

在 R 中计算众数

在 R 中，与均值和中位数不同，没有内置函数可以计算众数。我们需要创建一个用户自定义函数来计算众数。例如，

# vector of marks
marks <- c(97, 78, 57,78, 97, 66, 87, 64, 87, 78)

# define mode() function
mode = function() {
  
  # calculate mode of marks  
  return(names(sort(-table(marks)))[1])
}

# call mode() function
mode()

输出

[1] "78"

在上面的示例中，我们创建了一个名为 mode() 的函数来计算 marks 向量的众数。

在函数内部，我们使用了 table() 函数来创建数据的分类表示，其中包含变量名和频率，以表格形式呈现。

我们将以降序对 marks 进行排序，并返回排序后的第一个值。

最后，我们调用了 mode() 函数，它返回了 marks 中最常见的数字，即 78

注意：我们使用向量来演示如何计算均值、中位数和众数。我们也可以以类似的方式从 CSV 文件、更大的数据集等中计算均值、中位数和众数。