summary 函數

summary 是一個可以顯示變數基本資訊的函數，它可以接受一個普通的向量變數、cbind 的輸出或是 data frame：

Z <-cbind(Veg$R, Veg$ROCK, Veg$LITTER)
colnames(Z) <- c("R", "ROCK", "LITTER")
summary(Z)

輸出為

       R               ROCK      
 Min.   : 5.000   Min.   : 0.00  
 1st Qu.: 8.000   1st Qu.: 7.25  
 Median :10.000   Median :18.50  
 Mean   : 9.966   Mean   :20.99  
 3rd Qu.:12.000   3rd Qu.:27.00  
 Max.   :18.000   Max.   :59.00  
     LITTER     
 Min.   : 5.00  
 1st Qu.:17.00  
 Median :23.00  
 Mean   :22.85  
 3rd Qu.:28.75  
 Max.   :51.00

summary 會計算最小值、第一四分位數（first quartile）、中位數（median）、平均數（mean）、第三四分位數（third quartile）與最大值。我們也可以用比較簡短的指令達到同樣的效果：

summary(Veg[ , c("R","ROCK","LITTER")])
summary(Veg[ , c(5, 6, 7)])

table 函數

table 函數可以產生列聯表（contingency table），幫助我們了解整個資料的狀況。

我們以 Deer.txt 的資料來做說明，這個資料是從不同的時間與地點所採集到的動物資料，這樣研究的其中一項目的是找出動物長度與 E. cervi 寄生蟲的關係。首先將資料讀入，並做一些基本檢查：

Deer <- read.table(file = "Deer.txt", header = TRUE)
names (Deer)
[1] "Farm"    "Month"   "Year"    "Sex"    
[5] "clas1_4" "LCT"     "KFI"     "Ecervi" 
[9] "Tb"
str(Deer)
'data.frame':	1182 obs. of  9 variables:
 $ Farm   : Factor w/ 27 levels "AL","AU","BA",..: 1 1 1 1 1 1 1 1 1 1 ...
 $ Month  : int  10 10 10 10 10 10 10 10 10 10 ...
 $ Year   : int  0 0 0 0 0 0 0 0 0 0 ...
 $ Sex    : int  1 1 1 1 1 1 1 1 1 1 ...
 $ clas1_4: int  4 4 3 4 4 4 4 4 4 4 ...
 $ LCT    : num  191 180 192 196 204 190 196 200 197 208 ...
 $ KFI    : num  20.4 16.4 15.9 17.3 NA ...
 $ Ecervi : num  0 0 2.38 0 0 0 1.21 0 0.8 0 ...
 $ Tb     : int  0 0 0 0 NA 0 NA 1 0 0 ...

動物長度與 E. cervi 寄生蟲的關係有可能會跟動物的性別、採樣時間等變數都有關係，但如果某些時間或是地點根本沒有足夠的樣本，會造成分析上的問題，所以我們可以先使用 table 來產生列聯表，確認一下每一個分組的樣本數，例如查看每一個農場的樣本數：

table(Deer$Farm)

輸出為

   AL    AU    BA    BE    CB   CRC    HB 
   15    37    98    19    93    16    35 
  LCV    LN   MAN    MB    MO    NC    NV 
    2    34    76    41   278    32    35 
   PA    PN    QM R\xd1    RF    RO   SAL 
   11    45    75    25    34    44     1 
  SAU    SE    TI    TN  VISO    VY 
    3    26    21    31    15    40

從輸出中我們可以看到，MO 這個農場有 278 個樣本，而 SAL 卻只有 1 個樣本，在這樣的狀況下，如果要使用 Deer$Farm 做分析的話，可能可以考慮使用 mixed effects model（Zuur et al., 2009）。

table 也可以產生兩個變數的列聯表，例如：

table(Deer$Sex, Deer$Year)

輸出為

      0   1   2   3   4   5  99
  1 115  85 154  75  78  34  21
  2  76  40 197 123  60  35   0

這裡可以看出來 99 年的樣本中，有一個性別完全沒有資料，這樣的狀況很容易在進行分析的時候產生錯誤，建議在分析這類資料之前，都先以 table 做一下確認。

Exercise 2
繼續使用 Exercise 1 的資料，進行下列分析：

  1. 以 table 檢查每個觀測點的樣本數。
  2. 以 table 檢查每年所採集到的樣本數。
  3. 建立一個觀測點與年份的列聯表，看看每年中各觀測點的樣本數。

繼續閱讀： 1234