R のダイヤモンド データセットの完全ガイド

ダイヤモンドデータセットは、R のggplot2パッケージに組み込まれたデータセットです。

これには、53,940 個の異なるダイヤモンドに関する 10 の異なる変数 (価格、色、透明度など) の測定結果が含まれています。

このチュートリアルでは、R でダイヤモンドデータセットを調査、要約、視覚化する方法について説明します。

ダイヤモンド データセットの読み込み

ダイヤモンドデータセットは ggplot2 の組み込みデータセットであるため、最初に ggplot2 パッケージを (まだインストールしていない場合) インストールして読み込む必要があります。

 #install ggplot2 if not already installed
install. packages (' ggplot2 ')

#load ggplot2
library (ggplot2)

ggplot2 をロードしたら、 data()関数を使用してダイヤモンドデータセットをロードできます。

 data(diamonds)

head()関数を使用して、データセットの最初の 6 行を確認できます。

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

  carat cut color clarity depth table price xyz
1 0.23 Ideal E SI2 61.5 55 326 3.95 3.98 2.43
2 0.21 Premium E SI1 59.8 61 326 3.89 3.84 2.31
3 0.23 Good E VS1 56.9 65 327 4.05 4.07 2.31
4 0.290 Premium I VS2 62.4 58 334 4.2 4.23 2.63
5 0.31 Good J SI2 63.3 58 335 4.34 4.35 2.75
6 0.24 Very Good J VVS2 62.8 57 336 3.94 3.96 2.48

ダイヤモンド データセットを要約する

summary()関数を使用すると、データセット内の各変数をすばやく要約できます。

 #summarize diamonds dataset
summary(diamonds)

     carat cut color clarity depth      
 Min. :0.2000 Fair: 1610 D: 6775 SI1:13065 Min. :43.00  
 1st Qu.:0.4000 Good: 4906 E: 9797 VS2:12258 1st Qu.:61.00  
 Median: 0.7000 Very Good: 12082 F: 9542 SI2: 9194 Median: 61.80  
 Mean: 0.7979 Premium: 13791 G: 11292 VS1: 8171 Mean: 61.75  
 3rd Qu.:1.0400 Ideal:21551 H:8304 VVS2:5066 3rd Qu.:62.50  
 Max. :5.0100 I: 5422 VVS1: 3655 Max. :79.00  
                                    D: 2808 (Other): 2531                  
     table price xyz Min. :43.00 Min. : 326 Min. : 0.000 Min. : 0.000 Min. : 0.000  
 1st Qu.: 56.00 1st Qu.: 950 1st Qu.: 4.710 1st Qu.: 4.720 1st Qu.: 2.910  
 Median: 57.00 Median: 2401 Median: 5.700 Median: 5.710 Median: 3.530  
 Mean: 57.46 Mean: 3933 Mean: 5.731 Mean: 5.735 Mean: 3.539  
 3rd Qu.: 59.00 3rd Qu.: 5324 3rd Qu.: 6.540 3rd Qu.: 6.540 3rd Qu.: 4.040  
 Max. :95.00 Max. :18823 Max. :10,740 Max. :58,900 Max. :31,800

各数値変数について、次の情報を確認できます。

• Min : 最小値。
• 1st Qu : 最初の四分位数 (25 パーセンタイル) の値。
• 中央値: 中央値。
• 平均: 平均値。
• 3rd Qu : 第 3 四分位数 (75 パーセンタイル) の値。
• Max : 最大値。

データセット内のカテゴリ変数 (カット、カラー、透明度) については、各値の頻度数が表示されます。

たとえば、 cut変数の場合は次のようになります。

• Fair : この値は 1,610 回出現します。
• Good : この値は 4,906 回出現します。
• 非常に良い: この値は 12,082 回表示されます。
• プレミアム: この値は 13,791 回出現します。
• Ideal : この値は 21,551 回出現します。

dim()関数を使用して、行数と列数に関してデータセットの次元を取得できます。

 #display rows and columns
dim(diamonds)

[1] 53940 10

データセットには53,940行と10列があることがわかります。

names()関数を使用して、データ フレームの列名を表示することもできます。

 #display column names
names(diamonds)

[1] "carat" "cut" "color" "clarity" "depth" "table" "price" "x"      
[9] “y” “z”     

ダイヤモンド データセットを視覚化する

プロットを作成してデータセットの値を視覚化することもできます。

たとえば、 geom_histogram()関数を使用して、特定の変数の値のヒストグラムを作成できます。

 #create histogram of values for price
ggplot(data=diamonds, aes (x=price)) +
  geom_histogram(fill=" steelblue ", color=" black ") +
  ggtitle(" Histogram of Price Values ")

geom_point()関数を使用して、変数のペアごとの組み合わせの点群を作成することもできます。

 #create scatterplot of carat vs. price, using cut as color variable
ggplot(data=diamonds, aes (x=carat, y=price, color=cut)) + 
  geom_point()

geom_boxplot()関数を使用して、別の変数でグループ化された変数の箱ひげ図を作成することもできます。

 #create scatterplot of price, grouped by cut
ggplot(data=diamonds, aes (x=cut, y=price)) + 
  geom_boxplot(fill=" steelblue ")

これらの ggplot2 関数を使用すると、ダイヤモンドデータセット内の変数について多くのことを学ぶことができます。

追加リソース

次のチュートリアルでは、R で他のデータセットを探索する方法について説明します。

R の Iris データセットの完全ガイド
R の mtcars データセットの完全ガイド