加载示例数据。

负载(“医院”）

数据集数组医院有100个观察结果和7个变量。

创建一个只包含变量的数据集数组性，年龄，重量,吸烟者．

dsa =医院(:,{“性”，“年龄”，“重量”，“抽烟”}）;

性是一个标称数组，具有级别男性和女.变量年龄和重量有数值，和吸烟者具有逻辑值。

计算数值和逻辑数组的平均值，年龄，重量,吸烟者，按层次分组性．

statarray = grpstats (dsa),“性”）

statarray = Sex GroupCount mean_Age mean_Weight mean_吸烟者女性女性53 37.717 130.47 0.24528男性47 38.915 180.53 0.44681

statarray一个有两行的数据集数组，对应于性．GroupCount为每组观测的次数。的手段年龄，重量,吸烟者分组,性，在mean_Age，mean_Weight,mean_Smoker．

计算的平均值年龄和重量，按中的值分组吸烟者．

statarray = grpstats (dsa),“抽烟”，“中庸”，“DataVars”, {“年龄”，“重量”}）

statarray =吸烟者GroupCount mean_Age mean_Weight 0 false 66 37.97 149.91 1 true 34 38.882 161.94

在这种情况下，不是所有的变量dsa(不包括分组变量，吸烟者)为数字或逻辑数组;的变量性是标称数组。当输入数据集数组中并非所有变量都是数字或逻辑数组时，必须指定要使用其计算汇总统计信息的变量DataVars．

计算最小和最大权重，按中值的组合分组性和吸烟者．

statarray = grpstats (dsa) {“性”，“抽烟”}, {“最小值”，“马克斯”}，．..“DataVars”，“重量”）

statarray = Sex吸烟者GroupCount min_Weight max_Weight Female_0 Female false 40 111 147 Female_1 Female true 13 115 146 Male_0 Male false 26 158 194 Male_1 Male true 21 164 202

中有两个唯一的值吸烟者和两个级别性，共有四种可能的值组合：女性不吸烟(Female_0)、女性吸烟者(Female_1)，男性非吸烟者(Male_0)及男性吸烟者(Male_1).

指定输出中的列的名称。

statarray = grpstats (dsa) {“性”，“抽烟”}, {“最小值”，“马克斯”}，．..“DataVars”，“重量”，“VarNames”, {“性别”，“抽烟”，．..“GroupCount”，“LowestWeight”，“最重的重量”}）

statarray = Gender吸烟者GroupCount LowestWeight HighestWeight女性假40 111 147女性真13 115 146男性0男性假26 158 194男性1男性真21 164 202

加载示例数据。

负载(“医院”）

数据集数组医院有100个观察结果和7个变量。

创建一个只包含变量的数据集数组年龄，重量,吸烟者．

dsa =医院(:,{“年龄”，“重量”，“抽烟”}）;

的变量年龄和重量有数值，和吸烟者具有逻辑值。

计算数值和逻辑数组的平均值、最小值和最大值，年龄，重量,吸烟者，没有分组。

statarray = grpstats (dsa, [], {“中庸”，“最小值”，“马克斯”}）

statarray = GroupCount mean_Age min_Age max_Age mean_Weight All 100 38.28 25 50 154 min_Weight max_Weight mean_吸烟者min_吸烟者max_吸烟者所有111 202 0.34 false true

观察的名字全部的表示所有的观测值dsa用于计算汇总统计。

加载示例数据。

负载(“carsmall”）

所有变量都是针对100辆车进行测量的。起源是每辆车的原产国(法国、德国、意大利、日本、瑞典或美国)。气缸有三个唯一的值，4，6,8，表示每辆车的汽缸数。

计算平均加速度，按原产国分组。

意味着= grpstats(加速度,起源)

意味着=6×114.4377 18.0500 15.8867 16.3778 16.6000 15.5000

意味着是平均加速度的6乘1矢量，其中每个值对应于原产国。

计算平均加速度，分组的国家和气缸的数量。

意味着= grpstats(加速度,{起源、汽缸})

意味着=10×117.0818 16.5267 11.6406 18.0500 15.9143 15.5000 16.3375 16.7000 16.6000 15.5000

分组变量值有18种可能的组合，因为起源有6个独特的值和气缸有3个唯一的值。只有10种可能的组合出现在数据中，所以意味着是一个10乘1的组均值向量，对应于观测值的组合。

返回组名以及每个组的平均加速度。

[意味着,毛评点]= grpstats(加速度,{起源、汽缸},{“中庸”，“gname”}）

意味着=10×117.0818 16.5267 11.6406 18.0500 15.9143 15.5000 16.3375 16.7000 16.6000 15.5000

毛评点=10 x2细胞{'USA'}{'4'}{'USA'}{'6'}{'USA'}{'8'}{'法国'}{'4'}{'日本'}{'6'}{'德国'}{'6'}{'瑞典'}{'4'}{'意大利'{'4'}

输出毛评点显示了10个观察到的分组变量值组合。例如，法国制造的4缸汽车的平均加速度为18.05。

加载示例数据。

负载carsmall

的变量加快对100辆汽车进行了测量。变量起源是每辆车的原产国(法国、德国、意大利、日本、瑞典或美国)。

返回按原产国分组的最小和最大加速度。

(grpMin、grpMax grp) = grpstats(加速度,起源,{“最小值”，“马克斯”，“gname”}）

grpMin =6×18.0000 15.3000 13.9000 12.2000 15.7000 15.5000

grpMax =6×122.2000 21.9000 18.2000 24.6000 17.5000 15.5000

grp =6 x1细胞{'美国'}{“法国”}{‘日本’}{“德国”}{“瑞典”}{“意大利”}

加速度最低的样车在美国制造，加速度最高的样车在德国制造。

加载示例数据。

负载(“carsmall”）

的变量重量对100辆汽车进行了测量。变量Model_Year有三个唯一的值，70，76,82，分别对应模式年份1970、1976和1982。

计算每个模式年的平均权重和90%的预测区间。

(意味着,pred, grp) = grpstats(体重、Model_Year．..｛“中庸”，“predci”，“gname”}，“α”, 0.1);

图误差柱显示平均权重和90%的预测区间，按模型年分组。用组名标记水平轴。

ngrps =长度(grp);%组数errorbar ((1: ngrps)”,意味着,pred(:, 2))则xlim([0.5 - 3.5])组(gca),“xtick”1: ngrps,“xticklabel”、grp)标题(“按年预测90%的重量区间”）

加载示例数据。

负载(“carsmall”）

的变量加快和重量为100辆汽车的加速度和重量值。的变量气缸是每辆车的汽缸数。的变量Model_Year有三个唯一的值，70，76,82，分别对应模式年份1970、1976和1982。

绘制平均加速度，按气缸， 95%置信区间。

grpstats(加速、气缸、0.05)

ans=3×116.6706 16.4765 11.6406

8缸汽车的平均加速度明显低于4或6缸汽车。

绘制平均加速度和重量，按气缸， 95%置信区间。规模的重量值乘以1000的平均值重量和加快都是相同的数量级。

GRP测试（[加速度，重量/1000]，气缸，0.05）

ans=3×216.6706 2.3726 16.4765 3.1255 11.6406 3.9703

汽车的平均重量随气缸数的增加而增加，平均加速度随气缸数的增加而减小。

绘制平均加速度，按两者分组气缸和Model_Year．指定95%置信区间。

grpstats(加速度,{圆柱体,Model_Year}, 0.05)

ans=8×116.1875 16.8667 16.7036 15.5000 17.0000 16.0333 11.0217 13.2222

变量值分组有9种可能的组合，因为在气缸和三个独特的价值观Model_Year．图中没有显示8缸车型为1982年的汽车，因为数据中没有包括这一组合。

1976年8缸车的平均加速度明显大于1970年8缸车的平均加速度。