R ชุดข้อมูล


ชุดข้อมูล

ชุดข้อมูลคือชุดของข้อมูลที่มักนำเสนอในตาราง

มีชุดข้อมูลในตัวที่เป็นที่นิยมใน R ที่เรียกว่า " mtcars " (Motor Trend Car Road Tests) ซึ่งดึงมาจากนิตยสาร Motor Trend US ปี 1974

ในตัวอย่างด้านล่าง (และสำหรับบทต่อไป) เราจะใช้mtcars ชุดข้อมูลเพื่อวัตถุประสงค์ทางสถิติ:

ตัวอย่าง

# Print the mtcars data set
mtcars

ผลลัพธ์:

                     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

ข้อมูลเกี่ยวกับชุดข้อมูล

คุณสามารถใช้เครื่องหมายคำถาม ( ?) เพื่อรับข้อมูลเกี่ยวกับmtcarsชุดข้อมูล:

ตัวอย่าง

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

?mtcars

ผลลัพธ์:

mtcars {ชุดข้อมูล}เอกสาร R

Motor Trend Car Road Tests

คำอธิบาย

ข้อมูลนี้ดึงมาจาก นิตยสาร Motor Trend US ปี 1974 และประกอบด้วยการสิ้นเปลืองเชื้อเพลิงและ 10 แง่มุมของการออกแบบและประสิทธิภาพของรถยนต์สำหรับรถยนต์ 32 คัน (รุ่น 1973-74)

การใช้งาน

mtcars

รูปแบบ

กรอบข้อมูลที่มีการสังเกต 32 ตัวบนตัวแปร (ตัวเลข) 11 ตัว

[, 1]mpg ไมล์/(US) แกลลอน
[, 2]กระบอก จำนวนกระบอกสูบ
[, 3]ประโยชน์การกระจัด (cu.in.)
[, 4]hp แรงม้ารวม
[, 5]ดราตอัตราทดเพลาหลัง
[, 6]wt น้ำหนัก (1,000 ปอนด์)
[, 7] qsec เวลา 1/4 ไมล์
[, 8] vs เครื่องยนต์ (0 = รูปตัววี, 1 = ทางตรง)
[, 9] เช้า เกียร์ (0 = อัตโนมัติ 1 = ธรรมดา)
[,10] เกียร์ จำนวนเกียร์เดินหน้า
[,11] แป้ง จำนวนคาร์บูเรเตอร์

บันทึก

Henderson และ Velleman (1981) ให้ความเห็นในเชิงอรรถในตารางที่ 1: 'การเข้ารหัสที่ไม่สำคัญของ [ผู้ถอดเสียงต้นฉบับ] ของเครื่องยนต์โรตารีของ Mazda เป็นเครื่องยนต์หกสูบตรงและเครื่องยนต์แบนของ Porsche เป็นเครื่องยนต์ V เช่นเดียวกับ การรวม Mercedes 240D ดีเซลนั้นยังคงไว้เพื่อให้สามารถเปรียบเทียบโดยตรงกับการวิเคราะห์ก่อนหน้านี้ได้'

แหล่งที่มา

Henderson and Velleman (1981) การสร้างแบบจำลองการถดถอยหลายแบบแบบโต้ตอบ ไบโอเมตริกซ์ , 37 , 391-411.

ตัวอย่าง

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)

ได้รับข้อมูล

ใช้dim()ฟังก์ชันเพื่อค้นหาขนาดของชุดข้อมูล และใช้names()ฟังก์ชันเพื่อดูชื่อของตัวแปร:

ตัวอย่าง

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)

ผลลัพธ์:

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

ใช้rownames()ฟังก์ชันเพื่อรับชื่อของแต่ละแถวในคอลัมน์แรก ซึ่งเป็นชื่อรถแต่ละคัน:

ตัวอย่าง

Data_Cars <- mtcars

rownames(Data_Cars)

ผลลัพธ์:

 [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"         

จากตัวอย่างข้างต้น เราพบว่าชุดข้อมูลมี การสังเกต 32 รายการ (Mazda RX4, Mazda RX4 Wag, Datsun 710 เป็นต้น) และ ตัวแปร 11ตัว (mpg, cyl, disp ฯลฯ)

ตัวแปรถูกกำหนดให้เป็นสิ่งที่สามารถวัดหรือนับได้

นี่คือคำอธิบายสั้น ๆ ของตัวแปรจากชุดข้อมูล mtcars:

ชื่อตัวแปร คำอธิบาย
mpg ไมล์/(สหรัฐอเมริกา) แกลลอน
กระบอก จำนวนกระบอกสูบ
ประโยชน์ การกระจัด
hp แรงม้ารวม
ดราต อัตราทดเพลาหลัง
wt น้ำหนัก (1,000 ปอนด์)
qsec เวลา 1/4 ไมล์
vs เครื่องยนต์ (0 = รูปตัววี, 1 = ทางตรง)
เช้า เกียร์ (0 = อัตโนมัติ 1 = ธรรมดา)
เกียร์ จำนวนเกียร์เดินหน้า
แป้ง จำนวนคาร์บูเรเตอร์

พิมพ์ค่าตัวแปร

หากคุณต้องการพิมพ์ค่าทั้งหมดที่เป็นของตัวแปร ให้เข้าถึง data frame โดยใช้$เครื่องหมาย และชื่อของตัวแปร (เช่นcyl(cylinders)):

ตัวอย่าง

Data_Cars <- mtcars

Data_Cars$cyl

ผลลัพธ์:

 [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

เรียงค่าตัวแปร

ในการจัดเรียงค่า ให้ใช้sort()ฟังก์ชัน:

ตัวอย่าง

Data_Cars <- mtcars

sort(Data_Cars$cyl)

ผลลัพธ์:

 [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

จากตัวอย่างข้างต้น เราจะเห็นว่ารถยนต์ส่วนใหญ่มี 4 และ 8 สูบ


การวิเคราะห์ข้อมูล

ตอนนี้เรามีข้อมูลเกี่ยวกับชุดข้อมูลแล้ว เราสามารถเริ่มวิเคราะห์ด้วยตัวเลขทางสถิติได้

ตัวอย่างเช่น เราสามารถใช้summary()ฟังก์ชันเพื่อรับข้อมูลสรุปทางสถิติ:

ตัวอย่าง

Data_Cars <- mtcars

summary(Data_Cars)

ไม่ต้องกังวลหากคุณไม่เข้าใจตัวเลขที่ส่งออก คุณจะเชี่ยวชาญพวกเขาในไม่ช้า

ฟังก์ชันsummary()ส่งคืนตัวเลขทางสถิติ 6 ตัวสำหรับแต่ละตัวแปร:

  • นาที
  • ควอนไทล์แรก (เปอร์เซ็นไทล์)
  • ค่ามัธยฐาน
  • หมายถึง
  • ควอนไทล์ที่สาม (เปอร์เซ็นไทล์)
  • แม็กซ์

เราจะกล่าวถึงทั้งหมดพร้อมกับตัวเลขสถิติอื่นๆ ในบทต่อไป