R の iris データセットの完全ガイド
アヤメのデータセットは、R の統合データセットで、3 つの異なる種の 50 個の花の 4 つの異なる属性 (センチメートル単位) の測定値が含まれています。
このチュートリアルでは、例として iris データセットを使用して、R でデータセットを探索して要約する方法を説明します。
アイリスデータセットをロードする
iris データセットは R の組み込みデータセットであるため、次のコマンドを使用してロードできます。
data(iris)
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 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
Iris 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 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
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。
データセット内の唯一のカテゴリ変数 (種) について、各値の頻度数が表示されます。
- setosa : この種は 50 回存在します。
- versicolor : この種は 50 回発生します。
- virginica : この種は 50 回存在します。
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(iris)
[1] 150 5
データセットには150行と5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(iris)
[1] "Sepal.Length" "Sepal.Width" "Petal.Length" "Petal.Width" "Species"
Iris 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、 hist()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 sepal length
hist(iris$Sepal.Length,
col=' steelblue ',
main=' Histogram ',
xlab=' Length ',
ylab=' Frequency ')
また、 plot()関数を使用して、変数のペアごとの組み合わせの散布図を作成することもできます。
#create scatterplot of sepal width vs. sepal length
plot(iris$Sepal.Width, iris$Sepal.Length,
col=' steelblue ',
main=' Scatterplot ',
xlab=' Sepal Width ',
ylab=' Sepal Length ',
pch= 19 )
boxplot()関数を使用して、グループごとに箱ひげ図を作成することもできます。
#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 ')
X 軸は 3 つの種を表示し、Y 軸は各種のがく片の長さの値の分布を表示します。
このタイプのプロットを使用すると、がく片の長さが virginica 種で最大となり、setosa 種で最小になる傾向があることがすぐにわかります。
追加リソース
次のチュートリアルでは、R でデータセットを要約する方法を詳しく説明します。