R'deki boston veri kümesi i̇çin tam bir kılavuz

R’deki MASS paketindeki Boston veri seti, Boston, Massachusetts’in banliyölerinin çeşitli nitelikleri hakkında bilgi içerir.

Bu eğitimde, R’de Boston veri kümesinin nasıl keşfedileceği, özetleneceği ve görselleştirileceği açıklanmaktadır.

Boston veri kümesini yükle

Boston veri setini görebilmemiz için önce MASS paketini yüklememiz gerekiyor:

 library (MASS)

Daha sonra veri kümesinin ilk altı satırını görüntülemek için head() işlevini kullanabiliriz:

 #view first six rows of Boston dataset
head(Boston)

     crim zn indus chas nox rm age dis rad tax ptratio black lstat
1 0.00632 18 2.31 0 0.538 6.575 65.2 4.0900 1 296 15.3 396.90 4.98
2 0.02731 0 7.07 0 0.469 6.421 78.9 4.9671 2 242 17.8 396.90 9.14
3 0.02729 0 7.07 0 0.469 7.185 61.1 4.9671 2 242 17.8 392.83 4.03
4 0.03237 0 2.18 0 0.458 6.998 45.8 6.0622 3 222 18.7 394.63 2.94
5 0.06905 0 2.18 0 0.458 7.147 54.2 6.0622 3 222 18.7 396.90 5.33
6 0.02985 0 2.18 0 0.458 6.430 58.7 6.0622 3 222 18.7 394.12 5.21
  medv
1 24.0
2 21.6
3 34.7
4 33.4
5 36.2
6 28.7

Veri kümesindeki her değişkenin açıklamasını görüntülemek için aşağıdakileri girebiliriz:

 #view description of each variable in dataset
?Boston

     This data frame contains the following columns:

     'crime' per capita crime rate by town.

     'zn' proportion of residential land zoned for lots over 25,000
          sq.ft.

     'industrial' proportion of non-retail business acres per town.

     'chas' Charles River dummy variable (= 1 if tract bounds river; 0
          otherwise).

     'nox' nitrogen oxides concentration (parts per 10 million).

     'rm' average number of rooms per dwelling.

     'age' proportion of owner-occupied units built prior to 1940.

     'dis' weighted mean of distances to five Boston employment
          centers.

     'rad' index of accessibility to radial highways.

     'tax' full-value property-tax rate per $10,000.

     'ptratio' pupil-teacher ratio by town.

     'black' 1000(Bk - 0.63)^2 where Bk is the proportion of blacks by
          town.

     'lstat' lower status of the population (percent).

     'medv' median value of owner-occupied homes in $1000s.

Boston veri kümesini özetleme

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

 #summarize Boston dataset
summary(Boston)

      crim zn indus chas        
 Min. : 0.00632 Min. : 0.00 Min. : 0.46 Min. :0.00000  
 1st Q: 0.08205 1st Q: 0.00 1st Q: 5.19 1st Q: 0.00000  
 Median: 0.25651 Median: 0.00 Median: 9.69 Median: 0.00000  
 Mean: 3.61352 Mean: 11.36 Mean: 11.14 Mean: 0.06917  
 3rd Qu.: 3.67708 3rd Qu.: 12.50 3rd Qu.: 18.10 3rd Qu.: 0.00000  
 Max. :88.97620 Max. :100.00 Max. :27.74 Max. :1.00000  
      nox rm age dis        
 Min. :0.3850 Min. :3.561 Min. : 2.90 Min. : 1,130  
 1st Qu.: 0.4490 1st Qu.: 5.886 1st Qu.: 45.02 1st Qu.: 2.100  
 Median: 0.5380 Median: 6.208 Median: 77.50 Median: 3.207  
 Mean: 0.5547 Mean: 6.285 Mean: 68.57 Mean: 3.795  
 3rd Qu.: 0.6240 3rd Qu.: 6.623 3rd Qu.: 94.08 3rd Qu.: 5.188  
 Max. :0.8710 Max. :8,780 Max. :100.00 Max. :12,127  
      rad tax ptratio black       
 Min. : 1,000 Min. :187.0 Min. :12.60 Min. : 0.32  
 1st Qu.: 4,000 1st Qu.:279.0 1st Qu.:17.40 1st Qu.:375.38  
 Median: 5,000 Median: 330.0 Median: 19.05 Median: 391.44  
 Mean: 9.549 Mean: 408.2 Mean: 18.46 Mean: 356.67  
 3rd Qu.:24,000 3rd Qu.:666.0 3rd Qu.:20.20 3rd Qu.:396.23  
 Max. :24,000 Max. :711.0 Max. :22.00 Max. :396.90  
     lstat medv      
 Min. : 1.73 Min. : 5.00  
 1st Q: 6.95 1st Q: 17.02  
 Median: 11.36 Median: 21.20  
 Mean:12.65 Mean:22.53  
 3rd Qu.:16.95 3rd Qu.:25.00  
 Max. :37.97 Max. :50.00

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

 #display rows and columns
sun(Boston)

[1] 506 14

Veri setinin 506 satır ve 14 sütundan oluştuğunu görüyoruz.

Boston 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 'rm' column
hist(Boston$rm,
     col=' steelblue ',
     main=' Histogram of Rooms per Dwelling ',
     xlab=' Rooms ',
     ylab=' Frequency ')

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

 #create scatterplot of median home value vs crime rate
plot(Boston$medv, Boston$crime,
     col=' steelblue ',
     main=' Median Home Value vs. Crime Rate ',
     xlab=' Median Home Value ',
     ylab=' Crime Rate ',
     pch= 19 ) 

Veri kümesindeki herhangi iki değişken arasındaki ilişkiyi görselleştirmek için benzer bir dağılım grafiği oluşturabiliriz.

Ek kaynaklar

Aşağıdaki eğitimler, R’deki diğer popüler veri kümelerine yönelik kapsamlı bir kılavuz sağlar:

R’deki İris Veri Kümesi İçin Tam Bir Kılavuz
R’deki mtcars veri kümesine yönelik eksiksiz bir kılavuz
R’deki Elmas Veri Kümesi İçin Tam Bir Kılavuz