مجموعة بيانات R
مجموعة البيانات
مجموعة البيانات هي مجموعة من البيانات ، غالبًا ما يتم تقديمها في جدول.
هناك مجموعة بيانات مدمجة شائعة في R تسمى " mtcars " (اختبارات طريق سيارات Motor Trend) ، والتي تم استرجاعها من مجلة Motor Trend US لعام 1974.
في الأمثلة أدناه (وفي الفصول التالية) ، سنستخدم mtcars
مجموعة البيانات لأغراض إحصائية:
مثال
# Print the mtcars data set
mtcars
نتيجة:
mpg cyl disp hp drat wt qsec vs am gear carb Mazda RX4 21.0 6 160.0 110 3.90 2.620 16.46 0 1 4 4 Mazda RX4 Wag 21.0 6 160.0 110 3.90 2.875 17.02 0 1 4 4 Datsun 710 22.8 4 108.0 93 3.85 2.320 18.61 1 1 4 1 Hornet 4 Drive 21.4 6 258.0 110 3.08 3.215 19.44 1 0 3 1 Hornet Sportabout 18.7 8 360.0 175 3.15 3.440 17.02 0 0 3 2 Valiant 18.1 6 225.0 105 2.76 3.460 20.22 1 0 3 1 Duster 360 14.3 8 360.0 245 3.21 3.570 15.84 0 0 3 4 Merc 240D 24.4 4 146.7 62 3.69 3.190 20.00 1 0 4 2 Merc 230 22.8 4 140.8 95 3.92 3.150 22.90 1 0 4 2 Merc 280 19.2 6 167.6 123 3.92 3.440 18.30 1 0 4 4 Merc 280C 17.8 6 167.6 123 3.92 3.440 18.90 1 0 4 4 Merc 450SE 16.4 8 275.8 180 3.07 4.070 17.40 0 0 3 3 Merc 450SL 17.3 8 275.8 180 3.07 3.730 17.60 0 0 3 3 Merc 450SLC 15.2 8 275.8 180 3.07 3.780 18.00 0 0 3 3 Cadillac Fleetwood 10.4 8 472.0 205 2.93 5.250 17.98 0 0 3 4 Lincoln Continental 10.4 8 460.0 215 3.00 5.424 17.82 0 0 3 4 Chrysler Imperial 14.7 8 440.0 230 3.23 5.345 17.42 0 0 3 4 Fiat 128 32.4 4 78.7 66 4.08 2.200 19.47 1 1 4 1 Honda Civic 30.4 4 75.7 52 4.93 1.615 18.52 1 1 4 2 Toyota Corolla 33.9 4 71.1 65 4.22 1.835 19.90 1 1 4 1 Toyota Corona 21.5 4 120.1 97 3.70 2.465 20.01 1 0 3 1 Dodge Challenger 15.5 8 318.0 150 2.76 3.520 16.87 0 0 3 2 AMC Javelin 15.2 8 304.0 150 3.15 3.435 17.30 0 0 3 2 Camaro Z28 13.3 8 350.0 245 3.73 3.840 15.41 0 0 3 4 Pontiac Firebird 19.2 8 400.0 175 3.08 3.845 17.05 0 0 3 2 Fiat X1-9 27.3 4 79.0 66 4.08 1.935 18.90 1 1 4 1 Porsche 914-2 26.0 4 120.3 91 4.43 2.140 16.70 0 1 5 2 Lotus Europa 30.4 4 95.1 113 3.77 1.513 16.90 1 1 5 2 Ford Pantera L 15.8 8 351.0 264 4.22 3.170 14.50 0 1 5 4 Ferrari Dino 19.7 6 145.0 175 3.62 2.770 15.50 0 1 5 6 Maserati Bora 15.0 8 301.0 335 3.54 3.570 14.60 0 1 5 8 Volvo 142E 21.4 4 121.0 109 4.11 2.780 18.60 1 1 4 2
معلومات حول مجموعة البيانات
يمكنك استخدام علامة الاستفهام ( ?
) للحصول على معلومات حول mtcars
مجموعة البيانات:
مثال
# Use the question mark to get information about
the data set
?mtcars
نتيجة:
mtcars {datasets} | توثيق R |
اختبارات الطريق Motor Trend Car Road
وصف
تم استخراج البيانات من مجلة Motor Trend الأمريكية لعام 1974 ، وتشمل استهلاك الوقود و 10 جوانب من تصميم وأداء السيارات لـ 32 سيارة (طرازات 1973-1974).
إستعمال
mtcars
صيغة
إطار بيانات يحتوي على 32 ملاحظة على 11 متغيرًا (رقميًا).
[، 1] | ميلا في الغالون | مايلز / (أمريكي) جالون |
[، 2] | اسطوانة | عدد الاسطوانات |
[، 3] | فائدة | النزوح (cu.in.) |
[، 4] | حصان | القدرة الحصانية الإجمالية |
[، 5] | درات | نسبة المحور الخلفي |
[، 6] | بالوزن | الوزن (1000 رطل) |
[، 7] | qsec | 1/4 ميل الوقت |
[، 8] | ضد | المحرك (0 = شكل V ، 1 = مستقيم) |
[، 9] | صباحا | ناقل الحركة (0 = آلي ، 1 = يدوي) |
[، 10] | هيأ | عدد التروس الأمامية |
[، 11] | الكربوهيدرات | عدد المكربن |
ملحوظة
علق Henderson and Velleman (1981) في حاشية سفلية للجدول 1: "التشفير غير الحاسم لمحرك Mazda الدوار كمحرك مستقيم بست أسطوانات ومحرك Porsche المسطح كمحرك V ، بالإضافة إلى إدراج محرك الديزل Mercedes 240D ، تم الاحتفاظ به لتمكين إجراء مقارنات مباشرة مع التحليلات السابقة.
مصدر
هندرسون وفيلمان (1981) ، بناء نماذج انحدار متعددة بشكل تفاعلي. القياسات الحيوية ، 37 ، 391-411.
أمثلة
require(graphics) pairs(mtcars, main = "mtcars data", gap = 1/4) coplot(mpg ~ disp | as.factor(cyl), data = mtcars, panel = panel.smooth, rows = 1) ## possibly more meaningful, e.g., for summary() or bivariate plots: mtcars2 <- within(mtcars, { vs <- factor(vs, labels = c("V", "S")) am <- factor(am, labels = c("automatic", "manual")) cyl <- ordered(cyl) gear <- ordered(gear) carb <- ordered(carb) }) summary(mtcars2)
احصل على المعلومات
استخدم dim()
الدالة للعثور على أبعاد مجموعة البيانات ، names()
والدالة لعرض أسماء المتغيرات:
مثال
Data_Cars <- mtcars # create a variable of the mtcars data set for better
organization
# Use dim() to find the dimension of the data set
dim(Data_Cars)
# Use names() to find the names of the variables from
the data set
names(Data_Cars)
نتيجة:
[1] 32 11 [1] "mpg" "cyl" "disp" "hp" "drat" "wt" "qsec" "vs" "am" "gear" [11] "carb"
استخدم rownames()
الوظيفة للحصول على اسم كل صف في العمود الأول ، وهو اسم كل سيارة:
مثال
Data_Cars <- mtcars
rownames(Data_Cars)
نتيجة:
[1] "Mazda RX4" "Mazda RX4 Wag" "Datsun 710" [4] "Hornet 4 Drive" "Hornet Sportabout" "Valiant" [7] "Duster 360" "Merc 240D" "Merc 230" [10] "Merc 280" "Merc 280C" "Merc 450SE" [13] "Merc 450SL" "Merc 450SLC" "Cadillac Fleetwood" [16] "Lincoln Continental" "Chrysler Imperial" "Fiat 128" [19] "Honda Civic" "Toyota Corolla" "Toyota Corona" [22] "Dodge Challenger" "AMC Javelin" "Camaro Z28" [25] "Pontiac Firebird" "Fiat X1-9" "Porsche 914-2" [28] "Lotus Europa" "Ford Pantera L" "Ferrari Dino" [31] "Maserati Bora" "Volvo 142E"
من الأمثلة أعلاه ، اكتشفنا أن مجموعة البيانات بها 32 ملاحظة (Mazda RX4 ، Mazda RX4 Wag ، Datsun 710 ، إلخ) و 11 متغيرًا (mpg ، cyl ، disp ، إلخ).
يتم تعريف المتغير على أنه شيء يمكن قياسه أو عده.
فيما يلي شرح موجز للمتغيرات من مجموعة بيانات mtcars:
اسم المتغير | وصف |
---|---|
ميلا في الغالون | مايلز / (أمريكي) جالون |
اسطوانة | عدد الاسطوانات |
فائدة | الإزاحة |
حصان | القدرة الحصانية الإجمالية |
درات | نسبة المحور الخلفي |
بالوزن | الوزن (1000 رطل) |
qsec | 1/4 ميل الوقت |
ضد | المحرك (0 = شكل V ، 1 = مستقيم) |
صباحا | ناقل الحركة (0 = آلي ، 1 = يدوي) |
هيأ | عدد التروس الأمامية |
الكربوهيدرات | عدد المكربن |
طباعة القيم المتغيرة
إذا كنت تريد طباعة جميع القيم التي تنتمي إلى متغير ، فقم بالوصول إلى إطار البيانات باستخدام $
العلامة واسم المتغير (على سبيل المثال cyl
(الأسطوانات)):
مثال
Data_Cars <- mtcars
Data_Cars$cyl
نتيجة:
[1] 6 6 4 6 8 6 8 4 4 6 6 8 8 8 8 8 8 4 4 4 4 8 8 8 8 4 4 4 8 6 8 4
فرز القيم المتغيرة
لفرز القيم ، استخدم sort()
الوظيفة:
مثال
Data_Cars <- mtcars
sort(Data_Cars$cyl)
نتيجة:
[1] 4 4 4 4 4 4 4 4 4 4 4 6 6 6 6 6 6 6 8 8 8 8 8 8 8 8 8 8 8 8 8 8
من الأمثلة أعلاه ، نرى أن معظم السيارات بها 4 و 8 أسطوانات.
تحليل البيانات
الآن بعد أن أصبح لدينا بعض المعلومات حول مجموعة البيانات ، يمكننا البدء في تحليلها ببعض الأرقام الإحصائية.
على سبيل المثال ، يمكننا استخدام summary()
الوظيفة للحصول على ملخص إحصائي للبيانات:
مثال
Data_Cars <- mtcars
summary(Data_Cars)
لا تقلق إذا كنت لا تفهم أرقام الإخراج. سوف تتقنها قريبا.
ترجع summary()
الدالة ستة أرقام إحصائية لكل متغير:
- دقيقة
- الكمية الأولى (النسبة المئوية)
- الوسيط
- يعني
- المقدار الثالث (النسبة المئوية)
- الأعلى
سنغطيها جميعًا ، جنبًا إلى جنب مع الأرقام الإحصائية الأخرى في الفصول التالية.