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] | využít | Výtlak (cu.in.) |
[, 4] | hp | Hrubá koňská síla |
[, 5] | drat | Poměr zadní nápravy |
[, 6] | hm | Hmotnost (1000 liber) |
[, 7] | qsec | 1/4 míle čas |
[, 8] | vs | Motor (0 = ve tvaru V, 1 = rovný) |
[, 9] | dopoledne | Převodovka (0 = automatická, 1 = manuální) |
[,10] | Ozubené kolo | Počet převodových stupňů vpřed |
[,11] | sacharidů | Počet 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.