R Data Set


Soubor dat

Soubor dat je soubor dat, často prezentovaný v tabulce.

Existuje populární vestavěná datová sada v R nazvaná „ mtcars “ (Motor Trend Car Road Tests), která je převzata z časopisu Motor Trend US Magazine z roku 1974.

V níže uvedených příkladech (a v dalších kapitolách) použijeme soubor mtcars dat pro statistické účely:

Příklad

# Print the mtcars data set
mtcars

Výsledek:

                     mpg cyl  disp  hp drat    wt  qsec vs am gear carb
Mazda RX4           21.0   6 160.0 110 3.90 2.620 16.46  0  1    4    4
Mazda RX4 Wag       21.0   6 160.0 110 3.90 2.875 17.02  0  1    4    4
Datsun 710          22.8   4 108.0  93 3.85 2.320 18.61  1  1    4    1
Hornet 4 Drive      21.4   6 258.0 110 3.08 3.215 19.44  1  0    3    1
Hornet Sportabout   18.7   8 360.0 175 3.15 3.440 17.02  0  0    3    2
Valiant             18.1   6 225.0 105 2.76 3.460 20.22  1  0    3    1
Duster 360          14.3   8 360.0 245 3.21 3.570 15.84  0  0    3    4
Merc 240D           24.4   4 146.7  62 3.69 3.190 20.00  1  0    4    2
Merc 230            22.8   4 140.8  95 3.92 3.150 22.90  1  0    4    2
Merc 280            19.2   6 167.6 123 3.92 3.440 18.30  1  0    4    4
Merc 280C           17.8   6 167.6 123 3.92 3.440 18.90  1  0    4    4
Merc 450SE          16.4   8 275.8 180 3.07 4.070 17.40  0  0    3    3
Merc 450SL          17.3   8 275.8 180 3.07 3.730 17.60  0  0    3    3
Merc 450SLC         15.2   8 275.8 180 3.07 3.780 18.00  0  0    3    3
Cadillac Fleetwood  10.4   8 472.0 205 2.93 5.250 17.98  0  0    3    4
Lincoln Continental 10.4   8 460.0 215 3.00 5.424 17.82  0  0    3    4
Chrysler Imperial   14.7   8 440.0 230 3.23 5.345 17.42  0  0    3    4
Fiat 128            32.4   4  78.7  66 4.08 2.200 19.47  1  1    4    1
Honda Civic         30.4   4  75.7  52 4.93 1.615 18.52  1  1    4    2
Toyota Corolla      33.9   4  71.1  65 4.22 1.835 19.90  1  1    4    1
Toyota Corona       21.5   4 120.1  97 3.70 2.465 20.01  1  0    3    1
Dodge Challenger    15.5   8 318.0 150 2.76 3.520 16.87  0  0    3    2
AMC Javelin         15.2   8 304.0 150 3.15 3.435 17.30  0  0    3    2
Camaro Z28          13.3   8 350.0 245 3.73 3.840 15.41  0  0    3    4
Pontiac Firebird    19.2   8 400.0 175 3.08 3.845 17.05  0  0    3    2
Fiat X1-9           27.3   4  79.0  66 4.08 1.935 18.90  1  1    4    1
Porsche 914-2       26.0   4 120.3  91 4.43 2.140 16.70  0  1    5    2
Lotus Europa        30.4   4  95.1 113 3.77 1.513 16.90  1  1    5    2
Ford Pantera L      15.8   8 351.0 264 4.22 3.170 14.50  0  1    5    4
Ferrari Dino        19.7   6 145.0 175 3.62 2.770 15.50  0  1    5    6
Maserati Bora       15.0   8 301.0 335 3.54 3.570 14.60  0  1    5    8
Volvo 142E          21.4   4 121.0 109 4.11 2.780 18.60  1  1    4    2

Informace o sadě dat

?Chcete-li získat informace o sadě dat, můžete použít otazník ( ) mtcars:

Příklad

# Use the question mark to get information about the data set

?mtcars

Výsledek:

mtcars {datasets}R Dokumentace

Motor Trend Car Road Tests

Popis

Údaje byly extrahovány z amerického časopisu Motor Trend z roku 1974 a zahrnují spotřebu paliva a 10 aspektů designu a výkonu automobilu pro 32 automobilů (modely 1973-74).

Používání

mtcars

Formát

Datový rámec s 32 pozorováními na 11 (numerických) proměnných.

[, 1]mpg Míle/(americký) galon
[, 2]cyl Počet válců
[, 3]využítVýtlak (cu.in.)
[, 4]hp Hrubá koňská síla
[, 5]dratPoměr zadní nápravy
[, 6]hm Hmotnost (1000 liber)
[, 7]qsec1/4 míle čas
[, 8]vs Motor (0 = ve tvaru V, 1 = rovný)
[, 9]dopoledne Převodovka (0 = automatická, 1 = manuální)
[,10]Ozubené koloPočet převodových stupňů vpřed
[,11]sacharidůPočet karburátorů

Poznámka

Henderson a Velleman (1981) komentují v poznámce pod čarou k tabulce 1: „Nezásadní kódování rotačního motoru Mazdy jako řadového šestiválcového motoru a plochého motoru Porsche jako motoru do V, stejně jako zahrnutí dieselového Mercedesu 240D bylo zachováno, aby bylo možné provádět přímé srovnání s předchozími analýzami.“

Zdroj

Henderson a Velleman (1981), Interaktivní vytváření vícenásobných regresních modelů. Biometrie , 37 , 391-411.

Příklady

require(graphics)
pairs(mtcars, main = "mtcars data", gap = 1/4)
coplot(mpg ~ disp | as.factor(cyl), data = mtcars,
       panel = panel.smooth, rows = 1)
## possibly more meaningful, e.g., for summary() or bivariate plots:
mtcars2 <- within(mtcars, {
   vs <- factor(vs, labels = c("V", "S"))
   am <- factor(am, labels = c("automatic", "manual"))
   cyl  <- ordered(cyl)
   gear <- ordered(gear)
   carb <- ordered(carb)
})
summary(mtcars2)

Dostat informace

Použijte dim()funkci k nalezení rozměrů datové sady a names()funkci použijte k zobrazení názvů proměnných:

Příklad

Data_Cars <- mtcars # create a variable of the mtcars data set for better organization

# Use dim() to find the dimension of the data set
dim(Data_Cars)

# Use names() to find the names of the variables from the data set
names(Data_Cars)

Výsledek:

[1] 32 11
 [1] "mpg"  "cyl"  "disp" "hp"   "drat" "wt"   "qsec" "vs"   "am"   "gear"
[11] "carb"

Pomocí rownames()funkce získáte název každého řádku v prvním sloupci, což je název každého vozu:

Příklad

Data_Cars <- mtcars

rownames(Data_Cars)

Výsledek:

 [1] "Mazda RX4"           "Mazda RX4 Wag"       "Datsun 710"         
 [4] "Hornet 4 Drive"      "Hornet Sportabout"   "Valiant"            
 [7] "Duster 360"          "Merc 240D"           "Merc 230"           
[10] "Merc 280"            "Merc 280C"           "Merc 450SE"         
[13] "Merc 450SL"          "Merc 450SLC"         "Cadillac Fleetwood" 
[16] "Lincoln Continental" "Chrysler Imperial"   "Fiat 128"           
[19] "Honda Civic"         "Toyota Corolla"      "Toyota Corona"      
[22] "Dodge Challenger"    "AMC Javelin"         "Camaro Z28"         
[25] "Pontiac Firebird"    "Fiat X1-9"           "Porsche 914-2"      
[28] "Lotus Europa"        "Ford Pantera L"      "Ferrari Dino"       
[31] "Maserati Bora"       "Volvo 142E"         

Z výše uvedených příkladů jsme zjistili, že soubor dat má 32 pozorování (Mazda RX4, Mazda RX4 Wag, Datsun 710 atd.) a 11 proměnných (mpg, cyl, disp atd.).

Proměnná je definována jako něco, co lze měřit nebo počítat.

Zde je stručné vysvětlení proměnných z datové sady mtcars:

Název proměnné Popis
mpg Míle/(americký) galon
cyl Počet válců
využít Přemístění
hp Hrubá koňská síla
drat Poměr zadní nápravy
hm Hmotnost (1000 liber)
qsec 1/4 míle čas
vs Motor (0 = ve tvaru V, 1 = rovný)
dopoledne Převodovka (0 = automatická, 1 = manuální)
Ozubené kolo Počet převodových stupňů vpřed
sacharidů Počet karburátorů

Tisk hodnot proměnných

Pokud chcete vytisknout všechny hodnoty, které patří do proměnné, přistupte k datovému rámci pomocí $znaménka a názvu proměnné (například cyl(cylindry)):

Příklad

Data_Cars <- mtcars

Data_Cars$cyl

Výsledek:

 [1] 6 6 4 6 8 6 8 4 4 6 6 8 8 8 8 8 8 4 4 4 4 8 8 8 8 4 4 4 8 6 8 4

Seřadit hodnoty proměnných

Chcete-li seřadit hodnoty, použijte sort()funkci:

Příklad

Data_Cars <- mtcars

sort(Data_Cars$cyl)

Výsledek:

 [1] 4 4 4 4 4 4 4 4 4 4 4 6 6 6 6 6 6 6 8 8 8 8 8 8 8 8 8 8 8 8 8 8

Z příkladů výše vidíme, že většina aut má 4 a 8 válců.


Analýza dat

Nyní, když máme nějaké informace o souboru dat, můžeme je začít analyzovat pomocí některých statistických čísel.

Funkci můžeme například použít summary()k získání statistického souhrnu dat:

Příklad

Data_Cars <- mtcars

summary(Data_Cars)

Nedělejte si starosti, pokud nerozumíte výstupním číslům. Brzy si je osvojíte.

Funkce summary()vrací šest statistických čísel pro každou proměnnou:

  • Min
  • První kvantil (percentil)
  • Medián
  • Znamenat
  • Třetí kvantil (percentil)
  • Max

Všem se budeme věnovat spolu s dalšími statistickými čísly v dalších kapitolách.