आर में बोस्टन डेटासेट के लिए एक संपूर्ण गाइड

R में MASS पैकेज के बोस्टन डेटासेट में बोस्टन, मैसाचुसेट्स के उपनगरों की विभिन्न विशेषताओं की जानकारी शामिल है।

यह ट्यूटोरियल बताता है कि आर में बोस्टन डेटासेट का अन्वेषण, सारांश और कल्पना कैसे करें।

बोस्टन डेटासेट लोड करें

इससे पहले कि हम बोस्टन डेटासेट देख सकें, हमें पहले MASS पैकेज लोड करना होगा:

 library (MASS)

फिर हम डेटासेट की पहली छह पंक्तियों को प्रदर्शित करने के लिए हेड() फ़ंक्शन का उपयोग कर सकते हैं:

 #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

डेटासेट में प्रत्येक चर का विवरण प्रदर्शित करने के लिए, हम निम्नलिखित दर्ज कर सकते हैं:

 #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.

बोस्टन डेटासेट को सारांशित करें

हम डेटासेट में प्रत्येक चर को शीघ्रता से सारांशित करने के लिए सारांश() फ़ंक्शन का उपयोग कर सकते हैं:

 #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

प्रत्येक संख्यात्मक चर के लिए हम निम्नलिखित जानकारी देख सकते हैं:

• न्यूनतम : न्यूनतम मान.
• पहला Qu : प्रथम चतुर्थक (25वाँ प्रतिशतक) का मान।
• माध्यिका : माध्यिका मान.
• औसत : औसत मूल्य.
• तीसरा Qu : तीसरे चतुर्थक (75वें प्रतिशतक) का मान।
• अधिकतम : अधिकतम मान.

हम पंक्तियों और स्तंभों की संख्या के संदर्भ में डेटासेट के आयाम प्राप्त करने के लिए dim() फ़ंक्शन का उपयोग कर सकते हैं:

 #display rows and columns
sun(Boston)

[1] 506 14

हम देख सकते हैं कि डेटासेट में 506 पंक्तियाँ और 14 कॉलम हैं।

बोस्टन डेटासेट की कल्पना करें

हम डेटासेट के मूल्यों की कल्पना करने के लिए प्लॉट भी बना सकते हैं।

उदाहरण के लिए, हम एक निश्चित चर के मानों का हिस्टोग्राम बनाने के लिए हिस्ट() फ़ंक्शन का उपयोग कर सकते हैं:

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

हम वेरिएबल्स के किसी भी जोड़ीदार संयोजन का स्कैटरप्लॉट बनाने के लिए प्लॉट() फ़ंक्शन का भी उपयोग कर सकते हैं:

 #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 ) 

हम डेटासेट में किन्हीं दो चरों के बीच संबंध की कल्पना करने के लिए एक समान स्कैटरप्लॉट बना सकते हैं।

अतिरिक्त संसाधन

निम्नलिखित ट्यूटोरियल आर में अन्य लोकप्रिय डेटासेट के लिए एक व्यापक मार्गदर्शिका प्रदान करते हैं:

आर में आइरिस डेटासेट के लिए एक संपूर्ण गाइड
आर में एमटीकार्स डेटासेट के लिए एक संपूर्ण मार्गदर्शिका
आर में डायमंड डेटासेट के लिए एक संपूर्ण गाइड