使用 R 从 JSON 中的数据中获取有意义的统计方法（2）

look_w

R JSON 数据类型要了解 R 如何​​处理 JSON 数据，首先应该从 rjson 库开始，它将导入列表格式的数据。要了解关于 R 数据类型的更多信息，请查看                 中的链接。列表数据类型是最灵活的，因为它可以从列表数据分解成任何其他数据类型，而且列表类型中的数据不必是长度相等的（矢量类型则不同，存在这方面的限制。）不过，可以应用于数据集的许多统计函数都不能用于列表格式的数据。因此，您必须从列表格式的数据中将有用的数据点提取为另一种数据类型。
要探索 R 如何处理一段给定数据，可以使用命令 str()。如果使用了之前创建的 grades 对象，那么                    str(grades) 的输出应该与清单 1 类似。
清单 1. 在 R 中的 JSON                数据的结构

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22

str(grades) List of 4     $ ist of 4     ..$ name  : chr "Amy"     ..$ grade1: num 35     ..$ grade2: num 41     ..$ grade3: num 53 $ ist of 4     ..$ name  : chr "Bob"     ..$ grade1: num 44     ..$ grade2: num 37     ..$ grade3: num 28 $ ist of 4     ..$ name  : chr "Charles"     ..$ grade1: num 68     ..$ grade2: num 65     ..$ grade3: num 61 $ ist of 4     ..$ name  : chr "David"     ..$ grade1: num 72     ..$ grade2: num 78     ..$ grade3: num 81

确定要提取哪些数据点，并使用 c()，或者使用联接，以便提取数据，如下所示：

1 2	grade1.num <- c(grades[[1]]$grade1, grades[[2]]$grade1, grades[[3]]$grade1, grades[[4]]$grade1)

此命令函数将会创建一个新的对象 (grade1.num)，其中包括每个学生第次考试的分数。grade1.num                现在是一个数值矢量，是 R 中最基本的数据类型。如果要删除 R 对象，那么可以发出 rm()                    命令。例如，rm(grade1.num) 删除了刚刚从 R 会话创建的 grade1.num                对象。要为某个给定学生的成绩创建一个对象，可以发出以下命令：

1	Amy.grade< - c(grades[[1]]$grade1, grades[[1]]$grade2, grades[[1]]$grade3)

该命令使用了赋值运算符，包括大于 (>) 或小于 (<)                符号，具体情况取决于赋值的方向，该命令还结合使用了一个连字符 (-)。通过索引号（例如，[[1]]                    是第一个列表），或者通过带美元符号运算符的名称（例如，$grade1)，访问以列表格式保存的项中的独立元素。
R 中更有用的一种数据类型是 data.frame，它是矢量的复合物。为了从示例数据创建                data.frame，首先需要为其余学生的分数创建数字矢量，如下所示：

1 2 3

Bob.grade <- c(grades[[2]]$grade1, grades[[2]]$grade2, grades[[2]]$grade3)     Charles.grade <- c(grades[[3]]$grade1, grades[[3]]$grade2, grades[[3]]$grade3)     David.grade <- c(grades[[4]]$grade1, grades[[4]]$grade2, grades[[4]]$grade3)

接下来，用下面的命令将所有的矢量组合成一个数据帧：

1	All.grades <- data.frame(Amy.grade, Bob.grade, Charles.grade, David.grade)

从逗号分隔值或电子表格程序导入 R 的数据也会成为 data.frame 对象，使用处理器内置到 R 中。
R 统计函数要想对 grade1.num 的统计性质有基本的了解，可以使用 summary 命令：

1 2 3

summary(Amy.grade) Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 35      38      41      43      47      53

summary 命令也可以用于数据帧。summary(All.grades) 的输出与清单 2 相似。
清单 2. 在 R                中的数据帧汇总

1 2 3 4 5 6 7 8

summary(All.grades) Amy.grade    Bob.grade     Charles.grade    David.grade   Min.   :35   Min.   :28.00   Min.   :61.00   Min.   :72.0   1st Qu.:38   1st Qu.:32.50   1st Qu.:63.00   1st Qu.:75.0   Median :41   Median :37.00   Median :65.00   Median :78.0   Mean   :43   Mean   :36.33   Mean   :64.67   Mean   :77.0   3rd Qu.:47   3rd Qu.:40.50   3rd Qu.:66.50   3rd Qu.:79.5   Max.   :53   Max.   :44.00   Max.   :68.00   Max.   :81.0

为了确定两个矢量是否统计相关，可以使用处理数值矢量的易于使用的 R 函数：cor()。例如，您可以使用下面的命令来检查                    Bob.grade 和 Amy.grade 对象之间的关联：

1 2	cor(Amy.grade, Bob.grade) [1] -0.9930365

备注：方差和协方差使用了与关联相同的语法，但它们分别使用了 cov() 和                    var() 函数，如下所示：

1 2 3 4

cov(Amy.grade, Bob.grade) [1] -73 var(Amy.grade, Bob.grade) [1] -73

要计算平均绝对偏差，可以使用 mad() 函数：

1 2	mad(Charles.grade) [1] 4.4478

另一个处理数值矢量的有用函数是 sd()。此函数将会检查两个或两个以上矢量的标准偏差：

1 2	sd(Amy.grade) [1] 9.165151

该函数显示了 Amy 的成绩的标准偏差为 9.165151。
请注意，输出中有一个索引号                    [1]。这让您知道可以用对待其他任何对象的方式来对待这个函数的输出，您还可以为它分配一个名称，例如，x<-                    sd(Amy.grade)。如果使用 edit() 命令更改矢量 Amy.grade                    的内容，x 的值也会随之改变。
另一种有用的统计功能是 Kolmogorov-Smirnov 测试。您可以对示例数据使用此测试，以便确定两个学生之间的概率分布是否不同。
清单 3. Kolmogorov-Smirnov                测试

1 2 3 4 5

ks.test(Amy.grade, Bob.grade) Two-sample Kolmogorov-Smirnov test data:Amy.grade and Bob.grade D = 0.3333, p-value = 1 alternative hypothesis: two-sided

您可以看到，Amy.grade 和 Bob.grade 来自相同的分布。