دليل كامل لمجموعة بيانات الماس في r

مجموعة البيانات الماسية هي مجموعة بيانات مضمنة في حزمة ggplot2 في R.

يحتوي على قياسات لـ 10 متغيرات مختلفة (مثل السعر واللون والوضوح وما إلى ذلك) لـ 53,940 ماسة مختلفة.

يشرح هذا البرنامج التعليمي كيفية استكشاف مجموعة بيانات الماس وتلخيصها وتصورها في R.

تحميل مجموعة بيانات الماس

نظرًا لأن مجموعة البيانات الماسية هي مجموعة بيانات مضمنة في ggplot2، نحتاج أولاً إلى التثبيت (إن لم يكن بالفعل) وتحميل حزمة ggplot2:

 #install ggplot2 if not already installed
install. packages (' ggplot2 ')

#load ggplot2
library (ggplot2)

بمجرد تحميل ggplot2، يمكننا استخدام الدالة data() لتحميل مجموعة البيانات الماسية :

 data(diamonds)

يمكننا إلقاء نظرة على الصفوف الستة الأولى من مجموعة البيانات باستخدام الدالة head() :

 #view first six rows of diamonds dataset
head(diamonds)

  carat cut color clarity depth table price xyz
1 0.23 Ideal E SI2 61.5 55 326 3.95 3.98 2.43
2 0.21 Premium E SI1 59.8 61 326 3.89 3.84 2.31
3 0.23 Good E VS1 56.9 65 327 4.05 4.07 2.31
4 0.290 Premium I VS2 62.4 58 334 4.2 4.23 2.63
5 0.31 Good J SI2 63.3 58 335 4.34 4.35 2.75
6 0.24 Very Good J VVS2 62.8 57 336 3.94 3.96 2.48

تلخيص مجموعة بيانات الماس

يمكننا استخدام الدالة Summary() لتلخيص كل متغير في مجموعة البيانات بسرعة:

 #summarize diamonds dataset
summary(diamonds)

     carat cut color clarity depth      
 Min. :0.2000 Fair: 1610 D: 6775 SI1:13065 Min. :43.00  
 1st Qu.:0.4000 Good: 4906 E: 9797 VS2:12258 1st Qu.:61.00  
 Median: 0.7000 Very Good: 12082 F: 9542 SI2: 9194 Median: 61.80  
 Mean: 0.7979 Premium: 13791 G: 11292 VS1: 8171 Mean: 61.75  
 3rd Qu.:1.0400 Ideal:21551 H:8304 VVS2:5066 3rd Qu.:62.50  
 Max. :5.0100 I: 5422 VVS1: 3655 Max. :79.00  
                                    D: 2808 (Other): 2531                  
     table price xyz Min. :43.00 Min. : 326 Min. : 0.000 Min. : 0.000 Min. : 0.000  
 1st Qu.: 56.00 1st Qu.: 950 1st Qu.: 4.710 1st Qu.: 4.720 1st Qu.: 2.910  
 Median: 57.00 Median: 2401 Median: 5.700 Median: 5.710 Median: 3.530  
 Mean: 57.46 Mean: 3933 Mean: 5.731 Mean: 5.735 Mean: 3.539  
 3rd Qu.: 59.00 3rd Qu.: 5324 3rd Qu.: 6.540 3rd Qu.: 6.540 3rd Qu.: 4.040  
 Max. :95.00 Max. :18823 Max. :10,740 Max. :58,900 Max. :31,800

لكل من المتغيرات العددية يمكننا رؤية المعلومات التالية:

• الحد الأدنى : الحد الأدنى للقيمة.
• السؤال الأول : قيمة الربع الأول (المئوية الخامسة والعشرون).
• الوسيط : القيمة المتوسطة.
• المتوسط : القيمة المتوسطة.
• السؤال الثالث : قيمة الربع الثالث (المئوية الخامسة والسبعون).
• الحد الأقصى : القيمة القصوى.

بالنسبة للمتغيرات الفئوية في مجموعة البيانات (القطع واللون والوضوح)، نرى عددًا متكررًا لكل قيمة.

على سبيل المثال، بالنسبة لمتغير القطع :

• عادل : تظهر هذه القيمة 1610 مرة.
• جيد : ظهرت هذه القيمة 4,906 مرة.
• جيد جدًا : ظهرت هذه القيمة 12,082 مرة.
• قسط : تظهر هذه القيمة 13,791 مرة.
• مثالية : تظهر هذه القيمة 21,551 مرة.

يمكننا استخدام الدالة dim() ‎ للحصول على أبعاد مجموعة البيانات من حيث عدد الصفوف والأعمدة:

 #display rows and columns
dim(diamonds)

[1] 53940 10

يمكننا أن نرى أن مجموعة البيانات تحتوي على 53940 صفًا و 10 أعمدة.

يمكننا أيضًا استخدام وظيفة الأسماء () لعرض أسماء أعمدة إطار البيانات:

 #display column names
names(diamonds)

[1] "carat" "cut" "color" "clarity" "depth" "table" "price" "x"      
[9] “y” “z”     

تصور مجموعة بيانات الماس

يمكننا أيضًا إنشاء مخططات لتصور قيم مجموعة البيانات.

على سبيل المثال، يمكننا استخدام الدالة Geom_histogram() لإنشاء رسم بياني لقيم متغير معين:

 #create histogram of values for price
ggplot(data=diamonds, aes (x=price)) +
  geom_histogram(fill=" steelblue ", color=" black ") +
  ggtitle(" Histogram of Price Values ")

يمكننا أيضًا استخدام الدالة Geom_point() ‎ لإنشاء سحابة نقطية لأي مجموعة زوجية من المتغيرات:

 #create scatterplot of carat vs. price, using cut as color variable
ggplot(data=diamonds, aes (x=carat, y=price, color=cut)) + 
  geom_point()

يمكننا أيضًا استخدام الدالة Geom_boxplot() لإنشاء مخطط boxplot لمتغير مُجمَّع بواسطة متغير آخر:

 #create scatterplot of price, grouped by cut
ggplot(data=diamonds, aes (x=cut, y=price)) + 
  geom_boxplot(fill=" steelblue ")

باستخدام وظائف ggplot2 هذه، يمكننا معرفة الكثير عن المتغيرات في مجموعة البيانات الماسية .

مصادر إضافية

تشرح البرامج التعليمية التالية كيفية استكشاف مجموعات البيانات الأخرى في R:

دليل كامل لمجموعة بيانات Iris في R
دليل كامل لمجموعة بيانات mtcars في R