R语言Faithful数据集作探索性数据分析附代码数据.pptx

R语言Faithful数据集作探索性数据分析附代码数据.pptx

《R语言Faithful数据集作探索性数据分析附代码数据.pptx》由会员分享，可在线阅读，更多相关《R语言Faithful数据集作探索性数据分析附代码数据.pptx（15页珍藏版）》请在冰豆网上搜索。

2017课程汇报对R中的Faithful数据集作探索性数据分析汇报人：

王硕目录01020304准备工作数据介绍数字化探索可视化探索1.准备工作#data（）加载数据data（faithful）#安装包#install.packages（Hmisc）#install.packages（fBasics）#install.packages（ggplot2）#install.packages（tidyr）#加载包require（Hmisc）#为了使用describe（）函数require（fBasics）#为了使用basicStats（）函数require（ggplot2）#绘图2.数据介绍DescriptionWaitingtimebetweeneruptionsandthedurationoftheeruptionfortheOldFaithfulgeyserinYellowstoneNationalPark,Wyoming,USA.Adataframewith272observationson2variables.numericEruptiontimeinminsnumericWaitingtimetonext,1eruptions,2waitingeruption（inmins）3.数字化探索#获取faithful的属性列表attributes（faithful）其返回结果与下面三个函数一样rownames（faithful）colnames（faithful）class（faithful）3.数字化探索str（faithful）#str（）查看数据集的内部结构summary（faithful）#summary（）得到数据集的一系列统计指标值#min.,1stQu.,Median,Mean,3rdQu.,Max.3.数字化探索describe（faithful）#describe（）是Hmisc包中的函数#输出数据集的变量个数和观察样本数#样本的总数（n），缺失样本书（missing）不同值个数（distinct）#从0.05到0.95一系列的分位数取值，频率最低和最高的5个水平值3.数字化探索basicStats（faithful）#basicStats（）是fBasics包中的函数#除了输出常规统计量外#还输出方差，标准差，偏度，峰度3.数字化探索#三种不同的方法计算相关性cor（faithful$eruptions,faithful$waiting,method=pearson）cor（faithful$eruptions,faithful$waiting,method=kendall）cor（faithful$eruptions,faithful$waiting,method=spearman）#可见pearsonspearmankendall4.可视化探索#绘制散点图h-ggplot（data=faithful,aes（x=eruptions,y=waiting）+geom_point（）+geom_smooth（method=lm）h#ggplot（）是ggplot2包中的函数#添加拟合线#默认情况下，geom_smooth（）函数会为回归拟合线添加95%的置信域4.可视化探索#绘制箱线图h-ggplot（data=faithful）+geom_boxplot（aes（x=eruptions,y=eruptions,colour=eruptions）+geom_boxplot（aes（x=waiting,y=waiting/20,colour=waiting）+scale_y_continuous（sec.axis=sec_axis（.*20）+scale_colour_manual（values=c（blue,red）,guide=FALSE）+theme（axis.title.y=element_blank（）h#eruptions看左纵轴，waiting看右纵轴，轴的尺度缩放不一致#箱线图能够很好地识别各分位数分布#sec.axis为了设置第二个轴，即右纵轴#scale_colour_manual设置颜色标度#theme设置主题，去掉左纵轴标题4.可视化探索#绘制直方图h-ggplot（data=faithful,aes（x=eruptions）+geom_histogram（binwidth=0.5,fill=white,colour=black）h#用来绘制eruptions的直方图h-ggplot（data=faithful,aes（x=waiting）+geom_histogram（binwidth=5,fill=white,colour=black）h#用来绘制waiting的直方图#binwidth用来设置数据的组距，来调整数据的分组数目，或者将数据切分为指定的分组数目#直方图的外观非常依赖于组距与组边界，不同的组距，差异会很大4.可视化探索#绘制密度曲线h-ggplot（faithful,aes（x=eruptions）+geom_line（stat=density）h#用来绘制eruptions的密度曲线h-ggplot（faithful,aes（x=waiting）+geom_line（stat=density,adjust=0.25,colour=red）+geom_line（stat=density）+geom_line（stat=density,adjust=2,colour=blue）h#用来绘制waiting的密度曲线#核密度曲线是基于样本数据对总体分布做出的一个估计#曲线的光滑程度取决于核函数的带宽#带宽越大，曲线越光滑4.可视化探索#绘制QQ图qqnorm（faithful$eruptions）qqline（faithful$eruptions）#绘制eruptions的QQ图qqnorm（faithful$waiting）qqline（faithful$waiting）#绘制waiting的QQ图#图中点越接近理论线，说明其分布越接近正态分布#可见两个数据都不符合正态分布#相对而言，waiting更接近正态分布4.可视化探索#绘制经验累积分布函数图h-ggplot（data=faithful,aes（x=eruptions）+stat_ecdf（）h#绘制eruptions经验累积分布函数图h-ggplot（data=faithful,aes（x=waiting）+stat_ecdf（）h#绘制waiting经验累积分布函数图#ECDF表明了在观测数据中，小于或者等于给定x值的观测所占的比例#因为是经验的，所以累积分布线在每个有一个或者更多观测值的x值出产生一个阶梯