Het bevat metingen van 10 verschillende variabelen (zoals prijs, kleur, helderheid, enz.) voor 53.940 verschillende diamanten.<\/span><\/p>\n In deze tutorial wordt uitgelegd hoe u de diamantdataset<\/strong> in R kunt verkennen, samenvatten en visualiseren.<\/span><\/p>\n Omdat de diamantdataset<\/b> een ingebouwde dataset is in ggplot2, moeten we eerst het ggplot2-pakket installeren (als dat nog niet is gebeurd) en laden:<\/span><\/p>\n Nadat we ggplot2 hebben geladen, kunnen we de functie data()<\/strong> gebruiken om de diamantgegevensset<\/strong> te laden:<\/span><\/p>\n We kunnen de eerste zes rijen van de dataset bekijken met behulp van de head()<\/strong> functie:<\/span><\/p>\n We kunnen de functie summary()<\/strong> gebruiken om elke variabele in de dataset snel samen te vatten:<\/span><\/p>\n Voor elk van de numerieke variabelen kunnen we de volgende informatie zien:<\/span><\/p>\n Voor de categorische variabelen in de dataset (uitsnede, kleur en helderheid) zien we een frequentietelling van elke waarde.<\/span><\/p>\n Voor de snijvariabele<\/strong> bijvoorbeeld:<\/span><\/p>\n We kunnen de functie dim()<\/strong> gebruiken om de afmetingen van de dataset te verkrijgen in termen van het aantal rijen en kolommen:<\/span><\/p>\n We kunnen zien dat de dataset 53.940<\/b> rijen en 10<\/strong> kolommen heeft.<\/span><\/p>\n We kunnen ook de functie namen()<\/strong> gebruiken om de kolomnamen van het dataframe weer te geven:<\/span><\/p>\n We kunnen ook plots maken om de waarden van de dataset te visualiseren.<\/span><\/p>\n We kunnen bijvoorbeeld de functie geom_histogram()<\/strong> gebruiken om een histogram te maken van de waarden van een bepaalde variabele:<\/span> <\/p>\n We kunnen ook de functie geom_point()<\/strong> gebruiken om een puntenwolk te maken van elke paarsgewijze combinatie van variabelen:<\/span> <\/p>\n We kunnen ook de functie geom_boxplot()<\/strong> gebruiken om een boxplot te maken van een variabele gegroepeerd door een andere variabele:<\/span> <\/p>\n Met behulp van deze ggplot2-functies kunnen we veel leren over de variabelen in de diamantgegevensset<\/strong> .<\/span><\/p>\n In de volgende zelfstudies wordt uitgelegd hoe u andere gegevenssets in R kunt verkennen: Een complete gids voor de Iris-dataset in R<\/a> De diamantgegevensset is een gegevensset die is ingebouwd in het ggplot2- pakket in R. Het bevat metingen van 10 verschillende variabelen (zoals prijs, kleur, helderheid, enz.) voor 53.940 verschillende diamanten. In deze tutorial wordt uitgelegd hoe u de diamantdataset in R kunt verkennen, samenvatten en visualiseren. Diamantgegevensset laden Omdat de diamantdataset een ingebouwde dataset is […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"class_list":["post-2803","post","type-post","status-publish","format-standard","hentry","category-gids"],"yoast_head":"\n Diamantgegevensset laden<\/strong><\/span><\/h3>\n
#install ggplot2 if not already installed<\/span>\ninstall. packages<\/span> (' ggplot2<\/span> ')\n\n#load ggplot2\nlibrary<\/span> (ggplot2)<\/span><\/span><\/strong><\/span><\/pre>\n data(diamonds)<\/strong><\/span><\/pre>\n #view first six rows of diamonds dataset<\/span>\nhead(diamonds)\n\n carat cut color clarity depth table price xyz\n1 0.23 Ideal E SI2 61.5 55 326 3.95 3.98 2.43\n2 0.21 Premium E SI1 59.8 61 326 3.89 3.84 2.31\n3 0.23 Good E VS1 56.9 65 327 4.05 4.07 2.31\n4 0.290 Premium I VS2 62.4 58 334 4.2 4.23 2.63\n5 0.31 Good J SI2 63.3 58 335 4.34 4.35 2.75\n6 0.24 Very Good J VVS2 62.8 57 336 3.94 3.96 2.48\n<\/strong><\/span><\/pre>\n Vat de diamantgegevensset samen<\/strong><\/span><\/h3>\n
#summarize diamonds dataset<\/span>\nsummary(diamonds)\n\n carat cut color clarity depth \n Min. :0.2000 Fair: 1610 D: 6775 SI1:13065 Min. :43.00 \n 1st Qu.:0.4000 Good: 4906 E: 9797 VS2:12258 1st Qu.:61.00 \n Median: 0.7000 Very Good: 12082 F: 9542 SI2: 9194 Median: 61.80 \n Mean: 0.7979 Premium: 13791 G: 11292 VS1: 8171 Mean: 61.75 \n 3rd Qu.:1.0400 Ideal:21551 H:8304 VVS2:5066 3rd Qu.:62.50 \n Max. :5.0100 I: 5422 VVS1: 3655 Max. :79.00 \n D: 2808 (Other): 2531 \n table price xyz Min. :43.00 Min. : 326 Min. : 0.000 Min. : 0.000 Min. : 0.000 \n 1st Qu.: 56.00 1st Qu.: 950 1st Qu.: 4.710 1st Qu.: 4.720 1st Qu.: 2.910 \n Median: 57.00 Median: 2401 Median: 5.700 Median: 5.710 Median: 3.530 \n Mean: 57.46 Mean: 3933 Mean: 5.731 Mean: 5.735 Mean: 3.539 \n 3rd Qu.: 59.00 3rd Qu.: 5324 3rd Qu.: 6.540 3rd Qu.: 6.540 3rd Qu.: 4.040 \n Max. :95.00 Max. :18823 Max. :10,740 Max. :58,900 Max. :31,800<\/strong><\/span><\/pre>\n\n
\n
#display rows and columns<\/span>\ndim(diamonds)\n\n[1] 53940 10\n<\/strong><\/span><\/pre>\n #display column names<\/span>\nnames(diamonds)\n\n[1] \"carat\" \"cut\" \"color\" \"clarity\" \"depth\" \"table\" \"price\" \"x\" \n[9] \u201cy\u201d \u201cz\u201d \n<\/strong><\/span><\/pre>\n Visualiseer de Diamonds-gegevensset<\/strong><\/span><\/h3>\n
#create histogram of values for price<\/span>\nggplot(data=diamonds, aes<\/span> (x=price)) +\n geom_histogram(fill=\" steelblue<\/span> \", color=\" black<\/span> \") +\n ggtitle(\" Histogram of Price Values<\/span> \")\n<\/strong><\/span><\/pre>\n![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/diamants2.jpg\")
<\/p>\n #create scatterplot of carat vs. price, using cut as color variable<\/span>\nggplot(data=diamonds, aes<\/span> (x=carat, y=price, color=cut)) + \n geom_point()\n<\/strong><\/span><\/pre>\n![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/diamants3.jpg\")
<\/p>\n #create scatterplot of price, grouped by cut<\/span>\nggplot(data=diamonds, aes<\/span> (x=cut, y=price)) + \n geom_boxplot(fill=\" steelblue<\/span> \")\n<\/strong><\/span><\/pre>\n![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/diamants4.jpg\")
<\/p>\n Aanvullende bronnen<\/strong><\/span><\/h3>\n
<\/span><\/p>\n
Een complete gids voor de mtcars-dataset in R<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"