R语言数据分析基础

本文中使用的数据为iris(鸢尾花)
。

观察数据整体的大小与结构
> iris
   |
  花萼长度     花萼宽度  花瓣长度     花瓣宽度
物种 |
    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
7            4.6           
3.4          1.4          0.3                 setosa
8            5.0        
3.4          1.5          0.2     
         setosa
9            4.4         
2.9          1.4          0.2     
         setosa
10          4.9         
3.1          1.5          0.1     
         setosa
………

dim()返回数据的维度
> dim(iris)
|150行，5列|
[1] 150   5

names()返回数据的名称
> names(iris)
[1] "Sepal.Length" "Sepal.Width"  "Petal.Length" "Petal.Width"
 "Species"

str()返回数据的整体结构
> str(iris)
'data.frame':   150 obs. of  5 variables:
$ Sepal.Length: num  5.1 4.9 4.7 4.6 5 5.4 4.6 5 4.4 4.9 ...
$ Sepal.Width : num  3.5 3 3.2 3.1 3.6 3.9 3.4 3.4 2.9 3.1
...
$ Petal.Length: num  1.4 1.4 1.3 1.5 1.4 1.7 1.4 1.5 1.4 1.5
...
$ Petal.Width : num  0.2 0.2 0.2 0.2 0.2 0.4 0.3 0.2 0.2 0.1
...
$ Species     : Factor w/ 3 levels "setosa","versicolor",..:
1 1 1 1 1 1 1 1  1 1 ..

iris为data.frame类型数据，共150条数据，5个属性。
Sepal.Length为number类型数据，它的前几条属性值为....
Sepal.Width为number类型数据，它的前几条属性值为....
Petal.Length为number类型数据，它的前几条属性值为....
Petal.Width为number类型数据，它的前几条属性值为....
Species为Factor类型数据，共3个levels:setosa,versicolor,....

> attributes(iris)
$names
[1] "Sepal.Length" "Sepal.Width"  "Petal.Length" "Petal.Width"
 "Species"     

$row.names
 [1]   1   2   3   4   5   6   7   8   9  10  11  12  13  14
 15  16  17  18
[19]  19  20  21  22  23  24  25  26  27  28  29  30  31  32
 33  34  35  36
[37]  37  38  39  40  41  42  43  44  45  46  47  48  49  50
 51  52  53  54
[55]  55  56  57  58  59  60  61  62  63  64  65  66  67  68
 69  70  71  72
[73]  73  74  75  76  77  78  79  80  81  82  83  84  85  86
 87  88  89  90
[91]  91  92  93  94  95  96  97  98  99 100 101 102 103 104
105 106 107 108
[109] 109 110 111 112 113 114 115 116 117 118 119 120 121 122
123 124 125 126
[127] 127 128 129 130 131 132 133 134 135 136 137 138 139 140
141 142 143 144
[145] 145 146 147 148 149 150

$class
[1] "data.frame"

attributes返回数据的整体属性
names为数据属性的名称
row.names为每条数据的名称
class为数据结构类型

head()返回数据集的前几条数据
tail()返回数据集的后几条数据
> 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
与我们观察到的iris数据一致。

观察单条数据的属性
> 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

summary()返回每个属性中最小值，最大值，中值，平均值，四分之一值，四分之三值。
对于factor类型返回每个level的比例。

> var(iris$Sepal.Width)
[1] 0.1899794
var()返回方差。

> hist(iris$Sepal.Length)


hist返回数据的分布图。

> plot(density(iris$Sepal.Length))


density返回数据的密度图。

> table(iris$Species)

   setosa versicolor  virginica

       50         50         50

table返回factor类型各种level的分布。

> pie(table(iris$Species)



> barplot(table(iris$Species))


观察多重数据间的关系
cov()返回方差
> cov(iris$Sepal.Length, iris$Petal.Length)
[1] 1.274315
> cov(iris[,1:4])
Sepal.Length Sepal.Width Petal.Length Petal.Width
Sepal.Length 0.6856935 -0.0424340 1.2743154 0.5162707
Sepal.Width -0.0424340 0.1899794 -0.3296564 -0.1216394
Petal.Length 1.2743154 -0.3296564 3.1162779 1.2956094
Petal.Width 0.5162707 -0.1216394 1.2956094 0.5810063

cor()返回协方差。
> cor(iris$Sepal.Length, iris$Petal.Length)
[1] 0.8717538
> cor(iris[,1:4])
Sepal.Length Sepal.Width Petal.Length Petal.Width
Sepal.Length 1.0000000 -0.1175698 0.8717538 0.8179411
Sepal.Width -0.1175698 1.0000000 -0.4284401 -0.3661259
Petal.Length 0.8717538 -0.4284401 1.0000000 0.9628654
Petal.Width 0.8179411 -0.3661259 0.9628654 1.0000000

> aggregate(Sepal.Length ~ Species, summary,
data=iris)
Species Sepal.Length.Min. Sepal.Length.1st Qu. Sepal.Length.Median
1 setosa
4.300 4.800
5.000
2 versicolor
4.900 5.600
5.900
3 virginica
4.900 6.225
6.500
Sepal.Length.Mean Sepal.Length.3rd Qu. Sepal.Length.Max.
1
5.006 5.200
5.800
2
5.936 6.300
7.000
3
6.588 6.900
7.900

> boxplot(Sepal.Length~Species, data=iris)


with(iris, plot(Sepal.Length, Sepal.Width,
col=Species, pch=as.numeric(Species)))


with(iris, plot(Petal.Length, Petal.Width,
col=Species, pch=as.numeric(Species)))