Eine vollständige anleitung zum iris-datensatz in r

Der Iris- Datensatz ist ein integrierter Datensatz in R, der Messungen zu 4 verschiedenen Attributen (in Zentimetern) für 50 Blüten von 3 verschiedenen Arten enthält.

In diesem Tutorial wird am Beispiel des Iris-Datensatzes erläutert, wie ein Datensatz in R untersucht und zusammengefasst wird.

Verwandt: Eine vollständige Anleitung zum mtcars-Datensatz in R

Iris-Datensatz laden

Da es sich bei dem Iris-Datensatz um einen in R integrierten Datensatz handelt, können wir ihn mit dem folgenden Befehl laden:

 data(iris)

Mit der Funktion head() können wir uns die ersten sechs Zeilen des Datensatzes ansehen:

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

  Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1 5.1 3.5 1.4 0.2 setosa
2 4.9 3.0 1.4 0.2 setosa
3 4.7 3.2 1.3 0.2 setosa
4 4.6 3.1 1.5 0.2 setosa
5 5.0 3.6 1.4 0.2 setosa
6 5.4 3.9 1.7 0.4 setosa

Fassen Sie den Iris-Datensatz zusammen

Mit der Funktion summary() können wir jede Variable im Datensatz schnell zusammenfassen:

 #summarize iris dataset
summary(iris)

  Sepal.Length Sepal.Width Petal.Length Petal.Width   
 Min. :4,300 Min. :2,000 Min. :1,000 Min. :0.100  
 1st Qu.:5.100 1st Qu.:2.800 1st Qu.:1.600 1st Qu.:0.300  
 Median: 5,800 Median: 3,000 Median: 4,350 Median: 1,300  
 Mean:5.843 Mean:3.057 Mean:3.758 Mean:1.199  
 3rd Qu.:6,400 3rd Qu.:3,300 3rd Qu.:5,100 3rd Qu.:1,800  
 Max. :7,900 Max. :4,400 Max. :6,900 Max. :2,500  
       Species  
 setosa:50  
 versicolor:50  
 virginica :50

Für jede der numerischen Variablen können wir die folgenden Informationen sehen:

• Min : Der Mindestwert.
• 1. Qu : Der Wert des ersten Quartils (25. Perzentil).
• Median : Der Medianwert.
• Durchschnitt : Der Durchschnittswert.
• 3. Qu : Der Wert des dritten Quartils (75. Perzentil).
• Max : Der Maximalwert.

Für die einzige kategoriale Variable im Datensatz (Art) sehen wir eine Häufigkeitszählung für jeden Wert:

• setosa : Diese Art kommt 50 Mal vor.
• versicolor : Diese Art kommt 50 Mal vor.
• virginica : Diese Art kommt 50 Mal vor.

Mit der Funktion dim() können wir die Dimensionen des Datensatzes in Bezug auf die Anzahl der Zeilen und Spalten ermitteln:

 #display rows and columns
dim(iris)

[1] 150 5

Wir können sehen, dass der Datensatz 150 Zeilen und 5 Spalten hat.

Wir können auch die Funktion „names()“ verwenden, um die Spaltennamen des Datenrahmens anzuzeigen:

 #display column names
names(iris)

[1] "Sepal.Length" "Sepal.Width" "Petal.Length" "Petal.Width" "Species"     

Visualisieren Sie den Iris-Datensatz

Wir können auch Diagramme erstellen, um die Werte des Datensatzes zu visualisieren.

Beispielsweise können wir mit der Funktion hist() ein Histogramm der Werte einer bestimmten Variablen erstellen:

 #create histogram of values for sepal length
hist(iris$Sepal.Length,
     col=' steelblue ',
     main=' Histogram ',
     xlab=' Length ',
     ylab=' Frequency ')

Wir können auch die Funktion plot() verwenden, um ein Streudiagramm einer beliebigen paarweisen Kombination von Variablen zu erstellen:

 #create scatterplot of sepal width vs. sepal length
plot(iris$Sepal.Width, iris$Sepal.Length,
     col=' steelblue ',
     main=' Scatterplot ',
     xlab=' Sepal Width ',
     ylab=' Sepal Length ',
     pch= 19 ) 

Wir können auch die Funktion boxplot() verwenden, um einen Boxplot pro Gruppe zu erstellen:

 #create scatterplot of sepal width vs. sepal length
boxplot(Sepal.Length~Species,
        data=iris,
        main=' Sepal Length by Species ',
        xlab=' Species ',
        ylab=' Sepal Length ',
        col=' steelblue ',
        border=' black ') 

Die x-Achse zeigt die drei Arten und die y-Achse zeigt die Verteilung der Kelchblattlängenwerte für jede Art.

Bei dieser Art von Darstellung können wir schnell erkennen, dass die Länge der Kelchblätter bei der Virginia-Art tendenziell am größten und bei der Setosa-Art am kleinsten ist.

Zusätzliche Ressourcen

Die folgenden Tutorials erklären ausführlicher, wie man Datensätze in R zusammenfasst:

Der einfachste Weg, Übersichtstabellen in R zu erstellen
So berechnen Sie die Zusammenfassung von fünf Zahlen in R