R语言：基本变量及其之间关系探索分析

转载自：http://www.douban.com/note/287485797/?type=like

一、查看数据结构

dim(iris) # 了解数据集的维度，有多少行多少列？

names(iris) # 数据有哪些列？

str(iris) # 数据的结构如何？

attributes(iris) # 数据的列名、行名和数据结构

然后看看数据集前几行和后几行长成什么样子：

iris[1:5, ] # 看看数据的前5行

head(iris) # 看看数据的前6行

tail(iris) # 看看数据的最后6行

iris[1:10, "Sepal.Length"] # Sepal.Length变量的前10个取值

iris$Sepal.Length[1:10] # 用另外一种形式取出

二、看看单个变量的情况

summary(iris) # 看看单个变量的关键数据：最小值、25%分位数、中位数、均值、75%分位数、最大值

quantile(iris$Sepal.Length) # 单个变量的1%、25%、50%、75%、100%分位数

quantile(iris$Sepal.Length, c(0.1, 0.3, 0.65)) # 指定分位点对应的分位数

mean()，median()，range() # 返回均值、中位数和数据的范围

对于连续变量：

var() # 返回变量的方差

hist(iris$Sepal.Length) # 画出变量的直方图，看看变量的分布情况

plot(density(iris$Sepal.Length)) # 画出变量的密度函数图

对于类别变量：

table(iris$Species) # 统计每个类别的计数，了解一下各个类别的分布

pie(table(iris$Species)) # 画出每个类别的占比饼图

barplot(table(iris$Species)) # 画出柱状图

三、观察多个变量之间的关系

首先看看变量之间的相关性：

cov(iris[ , 1:4]) # 计算变量之间的协方差矩阵

cor(iris[ , 1:4]) # 计算变量之间的相关系数矩阵

然后研究一些在不同的目标变量水平下，某变量的基本情况：

aggregate(Sepal.Length~Species, summary, data=iris) # 对于Sepal.Length变量，在每个Species水平上执行summary计算

boxplot(Sepal.Length~Species, data=iris) # 针对每个Species水平绘制Sepal.Length的盒形图

with(iris, plot(Sepal.Length, Sepal.Width, col=Species, pch=as.numeric(Species))) #针对每个Species水平绘制两个变量的散点图，并用颜色和点状区分

plot(jitter(iris$Sepal.Length), jitter(iris$Sepal.Width))

接着用图形的方式研究变量之间的关系：

pairs(iris) # 绘制任意两个矩阵之间的散点图，发现变量之间的相关性

四、看看其他方面

三维散点图：

library(scatterplot3d)

scatterplot3d(iris$Petal.Width, iris$Sepal.Length, iris$Sepal.Width)

构造相似性矩阵，用热图可视化样本之间的相似性：

distMatrix <- as.matrix(dist(iris[,1:4]))

heatmap(distMatrix)

以Sepal.Length和Sepal.Width为横纵坐标，分水平，以Petal.Width大小为颜色，探索数据之间的关系：

library(lattice)

levelplot(Petal.Width~Sepal.Length*Sepal.Width, iris, cuts=9,col.regions=grey.colors(10)[10:1])

以等高线的形式探索数据的关系：

library(lattice)

filled.contour(volcano, color=terrain.colors, asp=1,plot.axes=contour(volcano, add=T))

画一顶帽子：

persp(volcano, theta = 25, phi = 30, expand = 0.5, col = "lightblue")

平面坐标可视化，研究不同类别变量之间的差异：

library(MASS)

parcoord(iris[1:4], col=iris$Species)

还可以用另外一个函数实现

library(lattice)

parallelplot(~iris[1:4] | Species, data=iris)

最后介绍一下ggplot2这个包，非常强悍，后续专门找一个晚上重点学习，一个简单的例子：

根据Species的不同类别，绘制Sepal.Length和Sepal.Width的散点图。

library(ggplot2)

qplot(Sepal.Length, Sepal.Width, data=iris, facets=Species ~.)

五、保存图片

# save as a PDF file

pdf("myPlot.pdf")

x <- 1:50

plot(x, log(x))

graphics.off()

# Save as a postscript file

postscript("myPlot2.ps")

x <- -20:20

plot(x, x^2)

graphics.off()