一、基本概念
mean函数是R语言中的一个统计函数，用于计算向量（或矩阵）中数值的平均值。
在统计学中，平均数是数值的中心倾向度量，它可以告诉我们一组数据的中心位置，是描述数据分布形态的基本概念之一。
mean函数返回向量的平均值，如果传入的是一个矩阵，则默认计算各列的平均值，如果想计算行的平均值，则可以使用apply函数。
#向量的平均值
x <- c(1,3,5,7,9)
mean(x)
#矩阵的平均值
y <- matrix(1:6, nrow=2)
mean(y)
#行的平均值
apply(y,1,mean)
二、使用方法
mean函数的使用方法非常简单，只需要传入一个向量或矩阵作为参数即可。除此之外，mean函数还支持一些可选的参数，可以自定义函数的行为。
其中最常用的参数是trim，它指定平均值计算的时候需要将前后多少个值排除，取中间部分的值计算平均值，默认为0，不排除任何值。
#排除前后各15%的值计算平均值
mean(x, trim=0.15)
mean(y, trim=0.15)
mean函数还支持另外两个可选参数na.rm和dims，分别表示是否排除包含NA值的元素和计算平均值的维度。如果省略了dims参数，则默认计算列的平均值。
#排除NA值计算平均值
x2 <- c(1,3,NA,7,9)
mean(x2, na.rm=TRUE)
#计算矩阵行的平均值，与apply函数等价
mean(y, dims=1)
mean(y, 1)
三、使用举例
在实际的数据分析工作中，mean函数广泛应用于各个领域。可以使用mean函数计算数据的平均值，同时也可以计算数据的分组平均值，以及进行数据的缺失值处理。
1.计算不同组别的平均值
在数据分析中，经常需要根据不同的分组计算平均值，例如不同性别、不同年龄段、不同地区等。mean函数可以根据这些分组计算平均值，从而进行更加深入的数据分析。
#按照不同性别计算平均收入
data <- read.csv("data.csv")
mean(data$income[data$sex=="male"])
mean(data$income[data$sex=="female"])
#按照不同年龄段计算平均值
mean(data$income[data$age>20 & data$age<=30])
mean(data$income[data$age>30 & data$age<=40])
mean(data$income[data$age>40 & data$age<=50])
2.计算缺失值的平均值
在实际数据分析中，数据常常存在缺失值。mean函数可以很方便地处理包含缺失值的数据，同时可以通过控制其他参数实现不同的缺失值处理策略。
#计算缺失值的平均值
x3 <- c(1,3,NA,7,NA)
mean(x3, na.rm=TRUE)
#使用中位数代替缺失值计算平均值
x4 <- c(1,3,NA,7,NA)
m <- median(x4, na.rm=TRUE)
mean(ifelse(is.na(x4), m, x4))
3.统计分析数据
mean函数可以与其他统计函数一起使用，进行更加复杂的数据分析。例如可以计算标准差、偏度、峰度等统计量，获得更加全面的数据分布信息。
#计算标准差
sd(x)
#计算偏度
skewness(x)
#计算峰度
kurtosis(x)
四、总结
mean函数是R语言中很常用的一个统计函数，可以计算向量或矩阵中数值的平均值。在实际应用中，mean函数还可以根据不同的参数控制平均值的计算方式，例如缺失值处理、分组计算等。mean函数可以与其他统计函数一起使用，进行更加复杂的数据分析。
