Полное руководство по набору данных iris в r
Набор данных ирисов — это интегрированный набор данных в R, который содержит измерения по 4 различным атрибутам (в сантиметрах) для 50 цветов 3 разных видов.
В этом руководстве объясняется, как исследовать и суммировать набор данных в R, используя в качестве примера набор данных радужной оболочки глаза.
Связанный: Полное руководство по набору данных mtcars в R.
Загрузить набор данных Iris
Поскольку набор данных радужной оболочки глаза является встроенным набором данных в R, мы можем загрузить его с помощью следующей команды:
data(iris)
Мы можем просмотреть первые шесть строк набора данных с помощью функции 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
Обобщить набор данных Iris
Мы можем использовать функцию summary() для быстрого суммирования каждой переменной в наборе данных:
#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
Для каждой из числовых переменных мы можем увидеть следующую информацию:
- Мин : минимальное значение.
- 1-й Цюй : значение первого квартиля (25-го процентиля).
- Медиана : медианное значение.
- Среднее : Среднее значение.
- 3-й Цюй : значение третьего квартиля (75-го процентиля).
- Макс : максимальное значение.
Для единственной категориальной переменной в наборе данных (виды) мы видим частоту каждого значения:
- setosa : Этот вид присутствует 50 раз.
- разноцветный : этот вид встречается 50 раз.
- Virginica : Этот вид присутствует 50 раз.
Мы можем использовать функцию dim() , чтобы получить размеры набора данных в виде количества строк и столбцов:
#display rows and columns
dim(iris)
[1] 150 5
Мы видим, что набор данных состоит из 150 строк и 5 столбцов.
Мы также можем использовать функцию Names() для отображения имен столбцов фрейма данных:
#display column names
names(iris)
[1] "Sepal.Length" "Sepal.Width" "Petal.Length" "Petal.Width" "Species"
Визуализируйте набор данных Iris
Мы также можем создавать графики для визуализации значений набора данных.
Например, мы можем использовать функцию hist() для создания гистограммы значений определенной переменной:
#create histogram of values for sepal length
hist(iris$Sepal.Length,
col=' steelblue ',
main=' Histogram ',
xlab=' Length ',
ylab=' Frequency ')
Мы также можем использовать функциюplot() для создания диаграммы рассеяния любой парной комбинации переменных:
#create scatterplot of sepal width vs. sepal length
plot(iris$Sepal.Width, iris$Sepal.Length,
col=' steelblue ',
main=' Scatterplot ',
xlab=' Sepal Width ',
ylab=' Sepal Length ',
pch= 19 )
Мы также можем использовать функцию boxplot() для создания коробчатой диаграммы для каждой группы:
#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 ')
По оси X отображаются три вида, а по оси Y — распределение значений длины чашелистика для каждого вида.
Этот тип графика позволяет нам быстро увидеть, что длина чашелистиков обычно бывает наибольшей у вида Virginica и наименьшей у вида Setosa.
Дополнительные ресурсы
В следующих руководствах более подробно объясняется, как суммировать наборы данных в R:
Самый простой способ создания сводных таблиц в R
Как посчитать сумму пяти чисел в R