文章目錄
本篇內容包括：
- 匯入CSV資料
- 匯入錯誤訊息解決
- aggregate函數應用
- 用R語言實作SPSS單分組變量平均數法
- 用R語言實作SPSS雙分組變量平均數法
- 用factor函數轉換值為因子
這一篇讓我們用R語言來實作一個SPSS中常見的統計的比較平均數法，如何使用R語言中的功能來呈現。方法也許不止一種，主要希望可以用最簡單的方式讓原本只會使用SPSS圖形化介面的使用者，可以進入簡單的程式領域，用羅輯思考分析，理解用程式語言的角度來看統計分析。
匯入CSV資料
一般而言，如果用excel編輯完成後，再儲存成csv，通常會變成亂碼，為什麼知道是亂碼呢？一來匯入出問題，二來用sublime打開，就會發現了。所以保險起見，不管你是不是用excel編輯過檔案，都先用支援utf-8的編輯器確認一下吧！
這個部份，如果裡面沒有非英文字，通常非常順利，但一旦出問題，通常要花非常多的時間才能找到答案，甚至google了很久，花很多時間，搞的精疲力竭，仍然找不到正確的答案，畢竟魔鬼藏在細節裡。
確定資料格式(UTF-8)
這裡要特別注意的是，標題列如果包含非英文語系的字，像中文、日本或韓文等語系，建議使用支援UTF-8的編輯器(ex: Sublime)打開來確認一下內容，再重新存檔一次(格式UTF-8)，才能避免底下的這些錯誤情況。
到底要不要加fileEncoding = “UTF-8″呢！
如果你有做前一項，基本上是不用加，都可以正常匯入資料。
匯入錯誤訊息
Error in read.table(file = file, header = header, sep = sep, quote = quote, :
empty beginning of file
Error in make.names(col.names, unique = TRUE) :
無效的多位元組字串於 ''
Warning messages:
1: In read.table(file = file, header = header, sep = sep, quote = quote, :
輸入連結 'bank.csv' 中的輸入不正確
2: In read.table(file = file, header = header, sep = sep, quote = quote, :
incomplete final line found by readTableHeader on 'bank.csv'
通常看到上述的錯誤訊息，正確的解決方法，請看看前一項，應該8成都可以解決。
函數：read.csv
saledata <- read.csv(file = "bank.csv", header = TRUE)
計算平均數
各族群各項變數之平均值為何？
案例：依性別之不同，計算出客戶平均貸款與平均存款。
實作分群
分群：性別
實作單分組變量比較平均數法
用myvars定義出要計算出來的客戶的平均貸款和平均存款。
myvars <- c("貸款","存款")
函數：aggregate()
aggregate(saledata[myvars], by=list(saledata$性別),mean)
這時候因為我們沒有定義分組的標籤名稱，系統用自動用Group.1代替性別，若我們想顯示出性別，就另外定義性別取代Group.1。
aggregate(saledata[myvars], by=list(性別=saledata$性別),mean)
實作雙分組變量比較平均數法
前一個案例是單因子，若是兩個因子呢？
案例：先依據性別之不同，再區分信用等級，計算出不用性別與信用等級下，客戶的平均貸款與平均存款。
aggregate(saledata[myvars], by=list(性別=saledata$性別,信用等級=saledata$信用等級),mean)
這時候，看似很完美的呈現了我們想要的結果，但是性別的部份，出現的卻是0和1，如何把0和1替換成男和女呢？
讓呈現出來的資料結果更人性化及更容易看的懂呢！
值標籤(value labels)
一般而言，解決方法有幾種，第一種，最省事，直接附註：0是男生1是女生；第二種，使用值標籤(value labels)，將資料作轉換。
第一種不用說，不用教你我都會；讓我們來看第二種值標籤，將類別型態的值定義成新標籤。
函數：factor()
假設0是男生，1是女生。
將值轉換為因子(factor)
saledata$性別 <- factor(saledata$性別,levels = c(0,1), labels = c("男","女"))
aggregate(saledata[myvars], by=list(性別=saledata$性別,信用=saledata$信用),mean)
練習題
請依職業別之不同，計算出客戶平均所得與平均存款。
