[转载]在R中统计数据的频数或者密度分布并图形化

在进行数据分析之前，我们往往要首先对数据有一个大致的了解。对于统计性的数据，最好首先看看数据是如何分布，并把分布图示化，可以帮助我们确定后续的分析策略。现在，以R中著名的iris数据为例来计算其中一组数据的分布情况。

> data(iris)

> names(iris)

[1] "Sepal.Length" "Sepal.Width" "Petal.Length""Petal.Width" 

[5] "Species"

> length(iris$Sepal.Length)

[1] 150

1. 最简单的办法：hist

hist可以很直接的看到各组数据的Frequency或者Density分布情况，计算Frequency或者Density依据参数而定，比较粗糙。

> hist(iris$Sepal.Length)

#通过breaks参数可以设置计算分布的数据区间

> hist(iris$Sepal.Length,breaks=seq(4,8,by=1))

2. 可选的办法：density

查看density的帮助文档，可以发现函数density计算的是数据的核心密度（kernaldensity）分布，大多数时候该函数并非我们想要的。但是有些时候，density可以帮助我们计算数据的密度分布，计算结果是continuous的，图形化的结果也是continuous的曲线。density的计算可以通过bw参数（bandwidth）来控制，bw参数最直观的影响就是曲线的平滑性。默认的bw是通过函数bw.nrd0()计算得出，也可以手动设置。

>plot(density(iris$Sepal.Length))

#改变bw参数来改变density的结果

> plot(density(iris$Sepal.Length,bw=0.2))

3. 计算频度分布并用barplot作图

我经常用的办法，比较繁琐一些，但是感觉图形化的结果也更美观。首先用cut和table计算数据的频数分布，在用barplot作图。table函数计算的是每个数据在数据集中出现的次数，但是无法计算数据区间内的数据频数分布，需要用cut辅助。

> summary(iris$Sepal.Length)#看数据的分布区间

   Min. 1st Qu. Median    Mean3rd Qu.   Max. 

  4.300   5.100  5.800   5.843  6.400  7.900 

> m<-seq(4,8,by=1)#设置一个区间范围

> table(cut(iris$Sepal.Length,m))#计算各个区间的频数

(4,5] (5,6] (6,7] (7,8] 

   32   57    49   12 

> barplot(table(cut(iris$Sepal.Length,m)))#作图

>barplot(table(cut(iris$Sepal.Length,seq(4,8,by=0.1))))#更详细的频数分布