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 ( ?
) เพื่อรับข้อมูลเกี่ยวกับmtcars
ชุดข้อมูล:
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] | ประโยชน์ | การกระจัด (cu.in.) |
[, 4] | hp | แรงม้ารวม |
[, 5] | ดราต | อัตราทดเพลาหลัง |
[, 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