Un guide complet de l’ensemble de données mtcars dans R

L’ensemble de données mtcars est un ensemble de données intégré dans R qui contient des mesures sur 11 attributs différents pour 32 voitures différentes.

Ce didacticiel explique comment explorer, résumer et visualiser l’ensemble de données mtcars dans R.

Connexe : Un guide complet de l’ensemble de données Iris dans R

Charger l’ensemble de données mtcars

Étant donné que l’ensemble de données mtcars est un ensemble de données intégré dans R, nous pouvons le charger à l’aide de la commande suivante :

data(mtcars)

Nous pouvons jeter un œil aux six premières lignes de l’ensemble de données en utilisant la fonction head() :

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

                   mpg cyl disp  hp drat    wt  qsec vs am gear carb
Mazda RX4         21.0   6  160 110 3.90 2.620 16.46  0  1    4    4
Mazda RX4 Wag     21.0   6  160 110 3.90 2.875 17.02  0  1    4    4
Datsun 710        22.8   4  108  93 3.85 2.320 18.61  1  1    4    1
Hornet 4 Drive    21.4   6  258 110 3.08 3.215 19.44  1  0    3    1
Hornet Sportabout 18.7   8  360 175 3.15 3.440 17.02  0  0    3    2
Valiant           18.1   6  225 105 2.76 3.460 20.22  1  0    3    1

Résumer l’ensemble de données mtcars

Nous pouvons utiliser la fonction summary() pour résumer rapidement chaque variable de l’ensemble de données :

#summarize mtcars dataset
summary(mtcars)

      mpg             cyl             disp             hp       
 Min.   :10.40   Min.   :4.000   Min.   : 71.1   Min.   : 52.0  
 1st Qu.:15.43   1st Qu.:4.000   1st Qu.:120.8   1st Qu.: 96.5  
 Median :19.20   Median :6.000   Median :196.3   Median :123.0  
 Mean   :20.09   Mean   :6.188   Mean   :230.7   Mean   :146.7  
 3rd Qu.:22.80   3rd Qu.:8.000   3rd Qu.:326.0   3rd Qu.:180.0  
 Max.   :33.90   Max.   :8.000   Max.   :472.0   Max.   :335.0  
      drat             wt             qsec             vs        
 Min.   :2.760   Min.   :1.513   Min.   :14.50   Min.   :0.0000  
 1st Qu.:3.080   1st Qu.:2.581   1st Qu.:16.89   1st Qu.:0.0000  
 Median :3.695   Median :3.325   Median :17.71   Median :0.0000  
 Mean   :3.597   Mean   :3.217   Mean   :17.85   Mean   :0.4375  
 3rd Qu.:3.920   3rd Qu.:3.610   3rd Qu.:18.90   3rd Qu.:1.0000  
 Max.   :4.930   Max.   :5.424   Max.   :22.90   Max.   :1.0000  
       am              gear            carb      
 Min.   :0.0000   Min.   :3.000   Min.   :1.000  
 1st Qu.:0.0000   1st Qu.:3.000   1st Qu.:2.000  
 Median :0.0000   Median :4.000   Median :2.000  
 Mean   :0.4062   Mean   :3.688   Mean   :2.812  
 3rd Qu.:1.0000   3rd Qu.:4.000   3rd Qu.:4.000  
 Max.   :1.0000   Max.   :5.000   Max.   :8.000   

Pour chacune des 11 variables, nous pouvons voir les informations suivantes :

• Min : La valeur minimale.
• 1er Qu : La valeur du premier quartile (25ème centile).
• Médiane : La valeur médiane.
• Moyenne : La valeur moyenne.
• 3ème Qu : La valeur du troisième quartile (75ème centile).
• Max : La valeur maximale.

Nous pouvons utiliser la fonction dim() pour obtenir les dimensions de l’ensemble de données en termes de nombre de lignes et de colonnes :

#display rows and columns
dim(mtcars)

[1] 32 11

Nous pouvons voir que l’ensemble de données comporte 32 lignes et 11 colonnes.

Nous pouvons également utiliser la fonction names() pour afficher les noms de colonnes du bloc de données :

#display column names
names(mtcars)

 [1] "mpg"  "cyl"  "disp" "hp"   "drat" "wt"   "qsec" "vs"   "am"   "gear"
[11] "carb"     

Visualisez l’ensemble de données mtcars

Nous pouvons également créer des tracés pour visualiser les valeurs de l’ensemble de données.

Par exemple, nous pouvons utiliser la fonction hist() pour créer un histogramme des valeurs d’une certaine variable :

#create histogram of values for mpg
hist(mtcars$mpg,
     col='steelblue',
     main='Histogram',
     xlab='mpg',
     ylab='Frequency')

Nous pourrions également utiliser la fonction boxplot() pour créer un boxplot afin de visualiser la distribution des valeurs pour une certaine variable :

#create boxplot of values for mpg
boxplot(mtcars$mpg,
        main='Distribution of mpg values',
        ylab='mpg',
        col='steelblue',
        border='black')

Nous pouvons également utiliser la fonction plot() pour créer un nuage de points de toute combinaison de variables par paires :

#create scatterplot of mpg vs. wt
plot(mtcars$mpg, mtcars$wt,
     col='steelblue',
     main='Scatterplot',
     xlab='mpg',
     ylab='wt',
     pch=19)

En utilisant ces fonctions intégrées dans R, nous pouvons en apprendre beaucoup sur l’ensemble de données mtcars .

Si vous souhaitez effectuer une analyse statistique plus avancée avec cet ensemble de données, consultez ce didacticiel qui explique comment ajuster des modèles de régression linéaire et des modèles linéaires généralisés à l’aide de l’ensemble de données mtcars .

Ressources additionnelles

Les didacticiels suivants expliquent comment effectuer d’autres tâches courantes dans R :

Le moyen le plus simple de créer des tableaux récapitulatifs dans R
Comment calculer le résumé de cinq nombres dans R
Comment effectuer une régression linéaire simple dans R