دليل كامل لمجموعة بيانات بوسطن في r

تحتوي مجموعة بيانات بوسطن من حزمة MASS في R على معلومات حول سمات مختلفة لضواحي بوسطن، ماساتشوستس.

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

تحميل مجموعة بيانات بوسطن

قبل أن نتمكن من عرض مجموعة بيانات بوسطن ، يجب علينا أولاً تحميل حزمة MASS :

 library (MASS)

يمكننا بعد ذلك استخدام الدالة head() لعرض الصفوف الستة الأولى من مجموعة البيانات:

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

     crim zn indus chas nox rm age dis rad tax ptratio black lstat
1 0.00632 18 2.31 0 0.538 6.575 65.2 4.0900 1 296 15.3 396.90 4.98
2 0.02731 0 7.07 0 0.469 6.421 78.9 4.9671 2 242 17.8 396.90 9.14
3 0.02729 0 7.07 0 0.469 7.185 61.1 4.9671 2 242 17.8 392.83 4.03
4 0.03237 0 2.18 0 0.458 6.998 45.8 6.0622 3 222 18.7 394.63 2.94
5 0.06905 0 2.18 0 0.458 7.147 54.2 6.0622 3 222 18.7 396.90 5.33
6 0.02985 0 2.18 0 0.458 6.430 58.7 6.0622 3 222 18.7 394.12 5.21
  medv
1 24.0
2 21.6
3 34.7
4 33.4
5 36.2
6 28.7

لعرض وصف لكل متغير في مجموعة البيانات، يمكننا إدخال ما يلي:

 #view description of each variable in dataset
?Boston

     This data frame contains the following columns:

     'crime' per capita crime rate by town.

     'zn' proportion of residential land zoned for lots over 25,000
          sq.ft.

     'industrial' proportion of non-retail business acres per town.

     'chas' Charles River dummy variable (= 1 if tract bounds river; 0
          otherwise).

     'nox' nitrogen oxides concentration (parts per 10 million).

     'rm' average number of rooms per dwelling.

     'age' proportion of owner-occupied units built prior to 1940.

     'dis' weighted mean of distances to five Boston employment
          centers.

     'rad' index of accessibility to radial highways.

     'tax' full-value property-tax rate per $10,000.

     'ptratio' pupil-teacher ratio by town.

     'black' 1000(Bk - 0.63)^2 where Bk is the proportion of blacks by
          town.

     'lstat' lower status of the population (percent).

     'medv' median value of owner-occupied homes in $1000s.

تلخيص مجموعة بيانات بوسطن

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

 #summarize Boston dataset
summary(Boston)

      crim zn indus chas        
 Min. : 0.00632 Min. : 0.00 Min. : 0.46 Min. :0.00000  
 1st Q: 0.08205 1st Q: 0.00 1st Q: 5.19 1st Q: 0.00000  
 Median: 0.25651 Median: 0.00 Median: 9.69 Median: 0.00000  
 Mean: 3.61352 Mean: 11.36 Mean: 11.14 Mean: 0.06917  
 3rd Qu.: 3.67708 3rd Qu.: 12.50 3rd Qu.: 18.10 3rd Qu.: 0.00000  
 Max. :88.97620 Max. :100.00 Max. :27.74 Max. :1.00000  
      nox rm age dis        
 Min. :0.3850 Min. :3.561 Min. : 2.90 Min. : 1,130  
 1st Qu.: 0.4490 1st Qu.: 5.886 1st Qu.: 45.02 1st Qu.: 2.100  
 Median: 0.5380 Median: 6.208 Median: 77.50 Median: 3.207  
 Mean: 0.5547 Mean: 6.285 Mean: 68.57 Mean: 3.795  
 3rd Qu.: 0.6240 3rd Qu.: 6.623 3rd Qu.: 94.08 3rd Qu.: 5.188  
 Max. :0.8710 Max. :8,780 Max. :100.00 Max. :12,127  
      rad tax ptratio black       
 Min. : 1,000 Min. :187.0 Min. :12.60 Min. : 0.32  
 1st Qu.: 4,000 1st Qu.:279.0 1st Qu.:17.40 1st Qu.:375.38  
 Median: 5,000 Median: 330.0 Median: 19.05 Median: 391.44  
 Mean: 9.549 Mean: 408.2 Mean: 18.46 Mean: 356.67  
 3rd Qu.:24,000 3rd Qu.:666.0 3rd Qu.:20.20 3rd Qu.:396.23  
 Max. :24,000 Max. :711.0 Max. :22.00 Max. :396.90  
     lstat medv      
 Min. : 1.73 Min. : 5.00  
 1st Q: 6.95 1st Q: 17.02  
 Median: 11.36 Median: 21.20  
 Mean:12.65 Mean:22.53  
 3rd Qu.:16.95 3rd Qu.:25.00  
 Max. :37.97 Max. :50.00

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.

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

 #display rows and columns
sun(Boston)

[1] 506 14

يمكننا أن نرى أن مجموعة البيانات تحتوي على 506 صفًا و 14 عمودًا.

تصور مجموعة بيانات بوسطن

يمكننا أيضًا إنشاء مخططات لتصور قيم مجموعة البيانات.

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

 #create histogram of values for 'rm' column
hist(Boston$rm,
     col=' steelblue ',
     main=' Histogram of Rooms per Dwelling ',
     xlab=' Rooms ',
     ylab=' Frequency ')

يمكننا أيضًا استخدام الدالة مؤامرة () لإنشاء مخطط مبعثر لأي مجموعة زوجية من المتغيرات:

 #create scatterplot of median home value vs crime rate
plot(Boston$medv, Boston$crime,
     col=' steelblue ',
     main=' Median Home Value vs. Crime Rate ',
     xlab=' Median Home Value ',
     ylab=' Crime Rate ',
     pch= 19 ) 

يمكننا إنشاء مخطط تشتت مماثل لتصور العلاقة بين أي متغيرين في مجموعة البيانات.

مصادر إضافية

توفر البرامج التعليمية التالية دليلاً شاملاً لمجموعات البيانات الشائعة الأخرى في R:

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