R'deki i̇ris veri kümesi i̇çin tam bir kılavuz

İris veri seti, 3 farklı türden 50 çiçek için 4 farklı özelliğe (santimetre cinsinden) ilişkin ölçümleri içeren, R’de entegre bir veri setidir.

Bu eğitimde iris veri kümesini örnek olarak kullanarak R’de bir veri kümesinin nasıl keşfedileceği ve özetleneceği açıklanmaktadır.

İlgili: R’deki mtcars Veri Kümesi İçin Tam Bir Kılavuz

Iris veri kümesini yükle

İris veri kümesi R’de yerleşik bir veri kümesi olduğundan, aşağıdaki komutu kullanarak yükleyebiliriz:

 data(iris)

Head() fonksiyonunu kullanarak veri setinin ilk altı satırına göz atabiliriz:

 #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

Iris veri kümesini özetleme

Veri kümesindeki her değişkeni hızlı bir şekilde özetlemek için Summary() işlevini kullanabiliriz:

 #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

Sayısal değişkenlerin her biri için aşağıdaki bilgileri görebiliriz:

• Min : Minimum değer.
• 1st Qu : İlk çeyreğin değeri (25. yüzdelik dilim).
• Medyan : Medyan değeri.
• Ortalama : Ortalama değer.
• 3rd Qu : Üçüncü çeyreğin değeri (75. yüzdelik).
• Maks : Maksimum değer.

Veri kümesindeki tek kategorik değişken (Türler) için her değerin frekans sayısını görüyoruz:

• setosa : Bu tür 50 defa bulunmaktadır.
• versicolor : Bu tür 50 kez görülür.
• virginica : Bu tür 50 defa bulunmaktadır.

Veri kümesinin boyutlarını satır ve sütun sayısına göre elde etmek için dim() işlevini kullanabiliriz:

 #display rows and columns
dim(iris)

[1] 150 5

Veri setinin 150 satır ve 5 sütundan oluştuğunu görüyoruz.

Veri çerçevesinin sütun adlarını görüntülemek için labels() işlevini de kullanabiliriz:

 #display column names
names(iris)

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

Iris veri kümesini görselleştirin

Veri kümesinin değerlerini görselleştirmek için grafikler de oluşturabiliriz.

Örneğin, belirli bir değişkenin değerlerinin histogramını oluşturmak için hist() fonksiyonunu kullanabiliriz:

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

Değişkenlerin herhangi bir ikili kombinasyonunun dağılım grafiğini oluşturmak için de arsa() fonksiyonunu kullanabiliriz:

 #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 ) 

Grup başına bir kutu grafiği oluşturmak için boxplot() işlevini de kullanabiliriz:

 #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 ') 

X ekseni üç türü, y ekseni ise her tür için sepal uzunluk değerlerinin dağılımını gösterir.

Bu tür bir grafik, çanak yaprakların uzunluğunun virginica türleri için en büyük ve setosa türleri için en küçük olma eğiliminde olduğunu hızlı bir şekilde görmemize olanak tanır.

Ek kaynaklar

Aşağıdaki eğitimlerde R’deki veri kümelerinin nasıl özetleneceği daha ayrıntılı olarak açıklanmaktadır:

R’de özet tablolar oluşturmanın en kolay yolu
R’deki beş sayının özeti nasıl hesaplanır