In diesem Tutorial wird am Beispiel des Iris-Datensatzes erl\u00e4utert, wie ein Datensatz in R untersucht und zusammengefasst wird.<\/span><\/p>\n Verwandt:<\/strong> Eine vollst\u00e4ndige Anleitung zum mtcars-Datensatz in R<\/a><\/span><\/p>\n Da es sich bei dem Iris-Datensatz um einen in R integrierten Datensatz handelt, k\u00f6nnen wir ihn mit dem folgenden Befehl laden:<\/span><\/p>\n Mit der Funktion head()<\/strong> k\u00f6nnen wir uns die ersten sechs Zeilen des Datensatzes ansehen:<\/span><\/p>\n Mit der Funktion summary()<\/strong> k\u00f6nnen wir jede Variable im Datensatz schnell zusammenfassen:<\/span><\/p>\n F\u00fcr jede der numerischen Variablen k\u00f6nnen wir die folgenden Informationen sehen:<\/span><\/p>\n F\u00fcr die einzige kategoriale Variable im Datensatz (Art) sehen wir eine H\u00e4ufigkeitsz\u00e4hlung f\u00fcr jeden Wert:<\/span><\/p>\n Mit der Funktion dim()<\/strong> k\u00f6nnen wir die Dimensionen des Datensatzes in Bezug auf die Anzahl der Zeilen und Spalten ermitteln:<\/span><\/p>\n Wir k\u00f6nnen sehen, dass der Datensatz 150<\/strong> Zeilen und 5<\/strong> Spalten hat.<\/span><\/p>\n Wir k\u00f6nnen auch die Funktion \u201enames()\u201c<\/strong> verwenden, um die Spaltennamen des Datenrahmens anzuzeigen:<\/span><\/p>\n Wir k\u00f6nnen auch Diagramme erstellen, um die Werte des Datensatzes zu visualisieren.<\/span><\/p>\n Beispielsweise k\u00f6nnen wir mit der Funktion hist()<\/strong> ein Histogramm der Werte einer bestimmten Variablen erstellen:<\/span> <\/p>\n Wir k\u00f6nnen auch die Funktion plot()<\/strong> verwenden, um ein Streudiagramm einer beliebigen paarweisen Kombination von Variablen zu erstellen:<\/span> <\/p>\n Wir k\u00f6nnen auch die Funktion boxplot()<\/strong> verwenden, um einen Boxplot pro Gruppe zu erstellen:<\/span> <\/p>\n Die x-Achse zeigt die drei Arten und die y-Achse zeigt die Verteilung der Kelchblattl\u00e4ngenwerte f\u00fcr jede Art.<\/span><\/p>\n Bei dieser Art von Darstellung k\u00f6nnen wir schnell erkennen, dass die L\u00e4nge der Kelchbl\u00e4tter bei der Virginia-Art tendenziell am gr\u00f6\u00dften und bei der Setosa-Art am kleinsten ist.<\/span><\/p>\n Die folgenden Tutorials erkl\u00e4ren ausf\u00fchrlicher, wie man Datens\u00e4tze in R zusammenfasst:<\/span><\/p>\n Der einfachste Weg, \u00dcbersichtstabellen in R zu erstellen<\/a> Der Iris- Datensatz ist ein integrierter Datensatz in R, der Messungen zu 4 verschiedenen Attributen (in Zentimetern) f\u00fcr 50 Bl\u00fcten von 3 verschiedenen Arten enth\u00e4lt. In diesem Tutorial wird am Beispiel des Iris-Datensatzes erl\u00e4utert, wie ein Datensatz in R untersucht und zusammengefasst wird. Verwandt: Eine vollst\u00e4ndige Anleitung zum mtcars-Datensatz in R Iris-Datensatz laden Da es […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n Iris-Datensatz laden<\/strong><\/span><\/h3>\n
data(iris)<\/strong><\/span><\/pre>\n #view first six rows of iris dataset<\/span>\nhead(iris)\n\n Sepal.Length Sepal.Width Petal.Length Petal.Width Species\n1 5.1 3.5 1.4 0.2 setosa\n2 4.9 3.0 1.4 0.2 setosa\n3 4.7 3.2 1.3 0.2 setosa\n4 4.6 3.1 1.5 0.2 setosa\n5 5.0 3.6 1.4 0.2 setosa\n6 5.4 3.9 1.7 0.4 setosa\n<\/strong><\/span><\/pre>\n Fassen Sie den Iris-Datensatz zusammen<\/strong><\/span><\/h3>\n
#summarize iris dataset<\/span>\nsummary(iris)\n\n Sepal.Length Sepal.Width Petal.Length Petal.Width \n Min. :4,300 Min. :2,000 Min. :1,000 Min. :0.100 \n 1st Qu.:5.100 1st Qu.:2.800 1st Qu.:1.600 1st Qu.:0.300 \n Median: 5,800 Median: 3,000 Median: 4,350 Median: 1,300 \n Mean:5.843 Mean:3.057 Mean:3.758 Mean:1.199 \n 3rd Qu.:6,400 3rd Qu.:3,300 3rd Qu.:5,100 3rd Qu.:1,800 \n Max. :7,900 Max. :4,400 Max. :6,900 Max. :2,500 \n Species \n setosa:50 \n versicolor:50 \n virginica :50<\/strong><\/span><\/pre>\n\n
\n
#display rows and columns<\/span>\ndim(iris)\n\n[1] 150 5\n<\/strong><\/span><\/pre>\n #display column names<\/span>\nnames(iris)\n\n[1] \"Sepal.Length\" \"Sepal.Width\" \"Petal.Length\" \"Petal.Width\" \"Species\" \n<\/strong><\/span><\/pre>\n Visualisieren Sie den Iris-Datensatz<\/strong><\/span><\/h3>\n
#create histogram of values for sepal length<\/span>\nhist(iris$Sepal.Length,\n col=' steelblue<\/span> ',\n main=' Histogram<\/span> ',\n xlab=' Length<\/span> ',\n ylab=' Frequency<\/span> ')\n<\/strong><\/span><\/pre>\n![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/iris1.png\")
<\/p>\n #create scatterplot of sepal width vs. sepal length<\/span>\nplot(iris$Sepal.Width, iris$Sepal.Length,\n col=' steelblue<\/span> ',\n main=' Scatterplot<\/span> ',\n xlab=' Sepal Width<\/span> ',\n ylab=' Sepal Length<\/span> ',\n pch= 19<\/span> )<\/strong><\/span> <\/pre>\n![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/iris2.png\")
<\/p>\n #create scatterplot of sepal width vs. sepal length<\/span>\nboxplot(Sepal.Length~Species,\n data=iris,\n main=' Sepal Length by Species<\/span> ',\n xlab=' Species<\/span> ',\n ylab=' Sepal Length<\/span> ',\n col=' steelblue<\/span> ',\n border=' black<\/span> ')<\/strong><\/span> <\/pre>\n![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/iris3.png\")
<\/p>\n Zus\u00e4tzliche Ressourcen<\/strong><\/span><\/h3>\n
So berechnen Sie die Zusammenfassung von f\u00fcnf Zahlen in R<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"