Kompletny przewodnik po zbiorze danych iris w r

Zbiór danych tęczówki to zintegrowany zbiór danych w języku R, który zawiera pomiary 4 różnych atrybutów (w centymetrach) dla 50 kwiatów 3 różnych gatunków.

W tym samouczku wyjaśniono, jak eksplorować i podsumowywać zbiór danych w języku R na przykładzie zbioru danych iris.

Powiązane: Kompletny przewodnik po zbiorze danych mtcars w języku R

Załaduj zbiór danych Iris

Ponieważ zbiór danych iris jest wbudowanym zbiorem danych w R, możemy go załadować za pomocą następującego polecenia:

 data(iris)

Możemy przyjrzeć się pierwszym sześciu wierszom zbioru danych za pomocą funkcji head() :

 #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

Podsumuj zbiór danych Iris

Możemy użyć funkcji podsumowania() , aby szybko podsumować każdą zmienną w zbiorze danych:

 #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

Dla każdej ze zmiennych numerycznych możemy zobaczyć następujące informacje:

• Min .: Wartość minimalna.
• 1. Qu : Wartość pierwszego kwartyla (25. percentyl).
• Mediana : Wartość mediana.
• Średnia : Wartość średnia.
• 3rd Qu : Wartość trzeciego kwartyla (75. percentyl).
• Maks .: Wartość maksymalna.

Dla jedynej zmiennej kategorycznej w zbiorze danych (gatunki) widzimy częstotliwość występowania każdej wartości:

• setosa : gatunek ten występuje 50 razy.
• versicolor : Gatunek ten występuje 50 razy.
• virginica : gatunek ten występuje 50 razy.

Możemy użyć funkcji dim() , aby uzyskać wymiary zbioru danych pod względem liczby wierszy i kolumn:

 #display rows and columns
dim(iris)

[1] 150 5

Widzimy, że zbiór danych ma 150 wierszy i 5 kolumn.

Możemy również użyć funkcji Names() do wyświetlenia nazw kolumn ramki danych:

 #display column names
names(iris)

[1] "Sepal.Length" "Sepal.Width" "Petal.Length" "Petal.Width" "Species"     

Wizualizuj zbiór danych Iris

Możemy także tworzyć wykresy w celu wizualizacji wartości zbioru danych.

Możemy na przykład użyć funkcji hist() do stworzenia histogramu wartości określonej zmiennej:

 #create histogram of values for sepal length
hist(iris$Sepal.Length,
     col=' steelblue ',
     main=' Histogram ',
     xlab=' Length ',
     ylab=' Frequency ')

Możemy również użyć funkcji plot() do utworzenia wykresu rozrzutu dowolnej kombinacji zmiennych parami:

 #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 ) 

Możemy również użyć funkcji boxplot() , aby utworzyć wykres pudełkowy dla każdej grupy:

 #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 ') 

Oś x przedstawia trzy gatunki, a oś y przedstawia rozkład wartości długości działek dla każdego gatunku.

Ten typ wykresu pozwala nam szybko zauważyć, że długość działek jest zwykle największa u gatunku Virginia, a najmniejsza u gatunku setosa.

Dodatkowe zasoby

Poniższe samouczki wyjaśniają bardziej szczegółowo, jak podsumowywać zbiory danych w R:

Najłatwiejszy sposób tworzenia tabel podsumowań w R
Jak obliczyć podsumowanie pięciu liczb w R