R语言数据分析基础

转载自：http://blog.csdn.net/simon_woo_coding/article/details/19022957

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 setosa4.300
4.8005.000

2 versicolor4.900
5.6005.900

3 virginica4.900
6.2256.500

Sepal.Length.Mean Sepal.Length.3rd Qu. Sepal.Length.Max.

15.006
5.2005.800

25.936
6.3007.000

36.588
6.9007.900

> 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)))