R median() 函数：找到中位数

在数据分析中，寻找中位数是基本功，尤其当您面对偏态分布或离群值时。

在 R 中，median() 函数提供了一种简单、内置的方法来计算一个非常重要（非参数！）的集中趋势度量。我将带您快速上手：

R 的 median() 有什么作用？

median() 函数会检查您的数值数据，并返回（众多定义之一的）中心值。

median(numeric_vector)技术支持

这里的 numeric_vector 指的是一个数值向量或类似对象，比如数据框中的一列。

使用 R median() 的简单示例

来看一个实际例子。假设您有一个小的数值向量：

sales_numbers <- c(3, 5, 8, 2, 7)

median(sales_numbers)技术支持

R 会自动排序这些数字 (2, 3, 5, 7, 8)，然后返回 5。这就是正好位于中间的位置的值。

但如果您的向量包含偶数个元素呢？如下例所示：

quarterly_sales <- c(10, 4, 7, 2)

median(quarterly_sales)技术支持

此时，R 会将其排序为 (2, 4, 7, 10)，然后对中间两个数字（4 和 7）取平均，得到 5.5。

如果数据集中数值个数为奇数，就直接选中间那个；若为偶数，median() 会计算中间两个数的平均值。

因此在幕后，median() 会帮您完成排序，这非常省心。

用 median() 处理 NA 值

随着数据集变大，遇到缺失值是很常见的。如果不加注意，它们会干扰您的计算。默认情况下，只要向量中存在缺失值，median() 就会返回 NA。（哪怕只有一个缺失值。）来看下面的示例：

monthly_sales <- c(6, 3, NA, 9)

median(monthly_sales)技术支持

请注意结果是 NA。要避开这个问题，可添加参数 na.rm = TRUE。这会告知 R 在计算中位数前先移除缺失值：

median(monthly_sales, na.rm = TRUE)技术支持

这次您会得到 6（剩余值（3、6 和 9）的中位数）。留意那些 NA，它们很容易潜入数据中，如果忘记处理，会影响您的分析。

在 R 中按组计算中位数

我们来试试新玩法：比较不同分组的中位数。

一个常见问题：W如果我们想查看各地区的收入中位数怎么办？与处理简单向量类似，R 也能轻松完成，但现在我们需要先对数据进行分组。

在基础 R 中，一个快捷方法是使用 tapply()：

income_values <- c(40000, 50000, 45000, 35000, 60000, 30000)
region_labels <- c("East", "West", "West", "East", "East", "West")

tapply(income_values, region_labels, median)技术支持

这会分别计算每个地区的收入中位数。

如果您更喜欢使用 dplyr 包，也可以用更易读的管道语法实现相同结果：

library(dplyr)

income_data <- data.frame(income = income_values, region = region_labels)

income_data %>%
   group_by(region) %>%
   summarise(median_income = median(income))技术支持

该方法会生成一个整洁的汇总表，列出每个地区的收入中位数。

像这样按组汇总，在您想比较数据中不同类别的集中趋势时尤其有用。

在 R 中为数据框各列计算中位数

有时，您可能想一次性获得数据框每一列的中位数——也许是为了快速浏览数据集的中心值。这里我将使用 sapply()。

test_scores <- data.frame(math = c(1, 2, 3), science = c(7, 8, 9))

sapply(test_scores, median)技术支持

该命令会返回每一列的中位数，便于您一眼发现趋势或离群点。当您在探索新数据并需要快速概览时，这个技巧尤其好用。

注意事项

在结束之前，我们强调一些常见陷阱与最佳实践，确保使用 median() 一路顺畅：

• 确认传递给 median() 的是数值型数据。如果传入因子或字符向量，R 会报错。

• 若怀疑存在缺失数据，请记得使用 na.rm = TRUE。

• 无需手动排序数据。median() 会在内部完成排序，直接传入向量即可。

总结

当数据集中存在会扭曲均值的离群值时，median() 函数是理解数据真实中心的好方法。它也足够灵活，能够处理缺失值或按组汇总等复杂情况。

接下来，如果您有兴趣，我还写了一篇关于 R mean() 函数 的短文，欢迎查阅。别忘了参加我们的 Exploratory Data Analysis in R 课程，系统构建重要且实用的工作技能。