W tym samouczku wyja\u015bniono, jak eksplorowa\u0107 i podsumowywa\u0107 zbi\u00f3r danych w j\u0119zyku R na przyk\u0142adzie zbioru danych iris.<\/span><\/p>\n Powi\u0105zane:<\/strong> Kompletny przewodnik po zbiorze danych mtcars w j\u0119zyku R<\/a><\/span><\/p>\n Poniewa\u017c zbi\u00f3r danych iris jest wbudowanym zbiorem danych w R, mo\u017cemy go za\u0142adowa\u0107 za pomoc\u0105 nast\u0119puj\u0105cego polecenia:<\/span><\/p>\n Mo\u017cemy przyjrze\u0107 si\u0119 pierwszym sze\u015bciu wierszom zbioru danych za pomoc\u0105 funkcji head()<\/strong> :<\/span><\/p>\n Mo\u017cemy u\u017cy\u0107 funkcji podsumowania()<\/strong> , aby szybko podsumowa\u0107 ka\u017cd\u0105 zmienn\u0105 w zbiorze danych:<\/span><\/p>\n Dla ka\u017cdej ze zmiennych numerycznych mo\u017cemy zobaczy\u0107 nast\u0119puj\u0105ce informacje:<\/span><\/p>\n Dla jedynej zmiennej kategorycznej w zbiorze danych (gatunki) widzimy cz\u0119stotliwo\u015b\u0107 wyst\u0119powania ka\u017cdej warto\u015bci:<\/span><\/p>\n Mo\u017cemy u\u017cy\u0107 funkcji dim()<\/strong> , aby uzyska\u0107 wymiary zbioru danych pod wzgl\u0119dem liczby wierszy i kolumn:<\/span><\/p>\n Widzimy, \u017ce zbi\u00f3r danych ma 150<\/strong> wierszy i 5<\/strong> kolumn.<\/span><\/p>\n Mo\u017cemy r\u00f3wnie\u017c u\u017cy\u0107 funkcji Names()<\/strong> do wy\u015bwietlenia nazw kolumn ramki danych:<\/span><\/p>\n Mo\u017cemy tak\u017ce tworzy\u0107 wykresy w celu wizualizacji warto\u015bci zbioru danych.<\/span><\/p>\n Mo\u017cemy na przyk\u0142ad u\u017cy\u0107 funkcji hist()<\/strong> do stworzenia histogramu warto\u015bci okre\u015blonej zmiennej:<\/span> <\/p>\n Mo\u017cemy r\u00f3wnie\u017c u\u017cy\u0107 funkcji plot()<\/strong> do utworzenia wykresu rozrzutu dowolnej kombinacji zmiennych parami:<\/span> <\/p>\n Mo\u017cemy r\u00f3wnie\u017c u\u017cy\u0107 funkcji boxplot()<\/strong> , aby utworzy\u0107 wykres pude\u0142kowy dla ka\u017cdej grupy:<\/span> <\/p>\n O\u015b x przedstawia trzy gatunki, a o\u015b y przedstawia rozk\u0142ad warto\u015bci d\u0142ugo\u015bci dzia\u0142ek dla ka\u017cdego gatunku.<\/span><\/p>\n Ten typ wykresu pozwala nam szybko zauwa\u017cy\u0107, \u017ce d\u0142ugo\u015b\u0107 dzia\u0142ek jest zwykle najwi\u0119ksza u gatunku Virginia, a najmniejsza u gatunku setosa.<\/span><\/p>\n Poni\u017csze samouczki wyja\u015bniaj\u0105 bardziej szczeg\u00f3\u0142owo, jak podsumowywa\u0107 zbiory danych w R:<\/span><\/p>\n Naj\u0142atwiejszy spos\u00f3b tworzenia tabel podsumowa\u0144 w R<\/a> Zbi\u00f3r danych t\u0119cz\u00f3wki to zintegrowany zbi\u00f3r danych w j\u0119zyku R, kt\u00f3ry zawiera pomiary 4 r\u00f3\u017cnych atrybut\u00f3w (w centymetrach) dla 50 kwiat\u00f3w 3 r\u00f3\u017cnych gatunk\u00f3w. W tym samouczku wyja\u015bniono, jak eksplorowa\u0107 i podsumowywa\u0107 zbi\u00f3r danych w j\u0119zyku R na przyk\u0142adzie zbioru danych iris. Powi\u0105zane: Kompletny przewodnik po zbiorze danych mtcars w j\u0119zyku R Za\u0142aduj zbi\u00f3r danych […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[3],"tags":[],"class_list":["post-2015","post","type-post","status-publish","format-standard","hentry","category-przewodnik"],"yoast_head":"\n Za\u0142aduj zbi\u00f3r danych Iris<\/strong><\/span><\/h3>\n
data(iris)<\/strong><\/span><\/pre>\n #view first six rows of iris dataset<\/span>\nhead(iris)\n\n Sepal.Length Sepal.Width Petal.Length Petal.Width Species\n1 5.1 3.5 1.4 0.2 setosa\n2 4.9 3.0 1.4 0.2 setosa\n3 4.7 3.2 1.3 0.2 setosa\n4 4.6 3.1 1.5 0.2 setosa\n5 5.0 3.6 1.4 0.2 setosa\n6 5.4 3.9 1.7 0.4 setosa\n<\/strong><\/span><\/pre>\n Podsumuj zbi\u00f3r danych Iris<\/strong><\/span><\/h3>\n
#summarize iris dataset<\/span>\nsummary(iris)\n\n Sepal.Length Sepal.Width Petal.Length Petal.Width \n Min. :4,300 Min. :2,000 Min. :1,000 Min. :0.100 \n 1st Qu.:5.100 1st Qu.:2.800 1st Qu.:1.600 1st Qu.:0.300 \n Median: 5,800 Median: 3,000 Median: 4,350 Median: 1,300 \n Mean:5.843 Mean:3.057 Mean:3.758 Mean:1.199 \n 3rd Qu.:6,400 3rd Qu.:3,300 3rd Qu.:5,100 3rd Qu.:1,800 \n Max. :7,900 Max. :4,400 Max. :6,900 Max. :2,500 \n Species \n setosa:50 \n versicolor:50 \n virginica :50<\/strong><\/span><\/pre>\n\n
\n
#display rows and columns<\/span>\ndim(iris)\n\n[1] 150 5\n<\/strong><\/span><\/pre>\n #display column names<\/span>\nnames(iris)\n\n[1] \"Sepal.Length\" \"Sepal.Width\" \"Petal.Length\" \"Petal.Width\" \"Species\" \n<\/strong><\/span><\/pre>\n Wizualizuj zbi\u00f3r danych Iris<\/strong><\/span><\/h3>\n
#create histogram of values for sepal length<\/span>\nhist(iris$Sepal.Length,\n col=' steelblue<\/span> ',\n main=' Histogram<\/span> ',\n xlab=' Length<\/span> ',\n ylab=' Frequency<\/span> ')\n<\/strong><\/span><\/pre>\n![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/iris1.png\")
<\/p>\n #create scatterplot of sepal width vs. sepal length<\/span>\nplot(iris$Sepal.Width, iris$Sepal.Length,\n col=' steelblue<\/span> ',\n main=' Scatterplot<\/span> ',\n xlab=' Sepal Width<\/span> ',\n ylab=' Sepal Length<\/span> ',\n pch= 19<\/span> )<\/strong><\/span> <\/pre>\n![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/iris2.png\")
<\/p>\n #create scatterplot of sepal width vs. sepal length<\/span>\nboxplot(Sepal.Length~Species,\n data=iris,\n main=' Sepal Length by Species<\/span> ',\n xlab=' Species<\/span> ',\n ylab=' Sepal Length<\/span> ',\n col=' steelblue<\/span> ',\n border=' black<\/span> ')<\/strong><\/span> <\/pre>\n![\"\"](\"https:\/\/statorials.org\/wp-content\/uploads\/2023\/08\/iris3.png\")
<\/p>\n Dodatkowe zasoby<\/strong><\/span><\/h3>\n
Jak obliczy\u0107 podsumowanie pi\u0119ciu liczb w R<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"