Een complete gids voor de mtcars-dataset in r

De mtcars- dataset is een geïntegreerde dataset in R die metingen bevat van 11 verschillende attributen voor 32 verschillende auto’s.

In deze zelfstudie wordt uitgelegd hoe u de mtcars- dataset in R kunt verkennen, samenvatten en visualiseren.

Gerelateerd: een complete gids voor de Iris-dataset in R

Laad mtcars-gegevensset

Omdat de mtcars- dataset een ingebouwde dataset in R is, kunnen we deze laden met de volgende opdracht:

 data(mtcars)

We kunnen de eerste zes rijen van de dataset bekijken met behulp van de head() functie:

 #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

Vat de mtcars-dataset samen

We kunnen de functie summary() gebruiken om elke variabele in de dataset snel samen te vatten:

 #summarize mtcars dataset
summary(mtcars)

      mpg cyl disp hp       
 Min. :10.40 Min. :4,000 Min. : 71.1 Min. : 52.0  
 1st Q:15.43 1st Q:4,000 1st Q:120.8 1st Q: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 Q:22.80 3rd Q:8,000 3rd Q:326.0 3rd Q: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

Voor elk van de 11 variabelen kunnen we de volgende informatie zien:

• Min : De minimumwaarde.
• 1e Qu : de waarde van het eerste kwartiel (25e percentiel).
• Mediaan : de mediaanwaarde.
• Gemiddelde : de gemiddelde waarde.
• 3e Qu : de waarde van het derde kwartiel (75e percentiel).
• Max : de maximale waarde.

We kunnen de functie dim() gebruiken om de afmetingen van de dataset te verkrijgen in termen van het aantal rijen en kolommen:

 #display rows and columns
dim(mtcars)

[1] 32 11

We kunnen zien dat de dataset 32 rijen en 11 kolommen heeft.

We kunnen ook de functie namen() gebruiken om de kolomnamen van het dataframe weer te geven:

 #display column names
names(mtcars)

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

Visualiseer de mtcars-dataset

We kunnen ook plots maken om de waarden van de dataset te visualiseren.

We kunnen bijvoorbeeld de functie hist() gebruiken om een histogram te maken van de waarden van een bepaalde variabele:

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

We kunnen ook de functie boxplot() gebruiken om een boxplot te maken om de verdeling van waarden voor een bepaalde variabele te visualiseren:

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

We kunnen ook de functie plot() gebruiken om een spreidingsdiagram te maken van elke paarsgewijze combinatie van variabelen:

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

Met behulp van deze ingebouwde functies in R kunnen we veel leren over de mtcars- dataset.

Als u meer geavanceerde statistische analyses wilt uitvoeren met deze dataset, bekijk dan deze tutorial waarin wordt uitgelegd hoe u lineaire regressiemodellen en gegeneraliseerde lineaire modellen kunt passen met behulp van de mtcars- dataset.

Aanvullende bronnen

In de volgende tutorials wordt uitgelegd hoe u andere veelvoorkomende taken in R kunt uitvoeren:

De eenvoudigste manier om samenvattende tabellen te maken in R
Hoe de samenvatting van vijf getallen in R te berekenen
Hoe eenvoudige lineaire regressie uit te voeren in R