Ensemble de données R
Base de données
Un ensemble de données est une collection de données, souvent présentée dans un tableau.
Il existe un ensemble de données intégré populaire dans R appelé " mtcars " (Motor Trend Car Road Tests), qui est extrait du magazine Motor Trend US de 1974.
Dans les exemples ci-dessous (et pour les prochains chapitres), nous utiliserons le mtcars
jeu de données, à des fins statistiques :
Exemple
# Print the mtcars data set
mtcars
Résultat:
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
Informations sur l'ensemble de données
Vous pouvez utiliser le point d'interrogation ( ?) pour obtenir des informations sur l' mtcarsensemble de données :
Exemple
# Use the question mark to get information about
the data set
?mtcars
Résultat:
| mtcars {jeux de données} | Documentation R |
Essais routiers de Motor Trend
La description
Les données ont été extraites du magazine américain Motor Trend de 1974 et comprennent la consommation de carburant et 10 aspects de la conception et des performances automobiles pour 32 automobiles (modèles 1973-74).
Usage
mtcars
Format
Une base de données avec 32 observations sur 11 variables (numériques).
| [, 1] | mpg | Miles/gallon (US) |
| [, 2] | cylindre | Nombre de cylindres |
| [, 3] | profiter | Déplacement (cu.in.) |
| [, 4] | hp | Puissance brute |
| [, 5] | merde | Rapport de pont arrière |
| [, 6] | poids | Poids (1000 lb) |
| [, sept] | qsec | 1/4 de mile de temps |
| [, 8] | vs | Moteur (0 = en forme de V, 1 = droit) |
| [, 9] | un m | Transmission (0 = automatique, 1 = manuelle) |
| [,dix] | équipement | Nombre de vitesses avant |
| [,11] | glucides | Nombre de carburateurs |
Noter
Henderson et Velleman (1981) commentent dans une note de bas de page du tableau 1 : « Le codage non crucial par Hocking [transcripteur original] du moteur rotatif de la Mazda en tant que moteur à six cylindres en ligne et du moteur à plat de la Porsche en tant que moteur en V, ainsi que le l'inclusion de la Mercedes 240D diesel, ont été retenues pour permettre des comparaisons directes avec les analyses précédentes.
La source
Henderson et Velleman (1981), Construction interactive de modèles de régression multiples. Biométrie , 37 , 391-411.
Exemples
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)
Obtenir des informations
Utilisez la dim()fonction pour trouver les dimensions de l'ensemble de données et la names()fonction pour afficher les noms des variables :
Exemple
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)
Résultat:
[1] 32 11 [1] "mpg" "cyl" "disp" "hp" "drat" "wt" "qsec" "vs" "am" "gear" [11] "carb"
Utilisez la rownames()fonction pour obtenir le nom de chaque ligne dans la première colonne, qui est le nom de chaque voiture :
Exemple
Data_Cars <- mtcars
rownames(Data_Cars)
Résultat:
[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"
À partir des exemples ci-dessus, nous avons découvert que l'ensemble de données comporte 32 observations (Mazda RX4, Mazda RX4 Wag, Datsun 710, etc.) et 11 variables (mpg, cyl, disp, etc.).
Une variable est définie comme quelque chose qui peut être mesuré ou compté.
Voici une brève explication des variables de l'ensemble de données mtcars :
| Nom de variable | La description |
|---|---|
| mpg | Milles/Gallon (US) |
| cylindre | Nombre de cylindres |
| profiter | Déplacement |
| hp | Puissance brute |
| merde | Rapport de pont arrière |
| poids | Poids (1000 lb) |
| qsec | 1/4 de mile de temps |
| vs | Moteur (0 = en forme de V, 1 = droit) |
| un m | Transmission (0 = automatique, 1 = manuelle) |
| équipement | Nombre de vitesses avant |
| glucides | Nombre de carburateurs |
Imprimer les valeurs variables
Si vous souhaitez imprimer toutes les valeurs appartenant à une variable, accédez au bloc de données en utilisant le $signe et le nom de la variable (par exemple cyl(cylindres)) :
Exemple
Data_Cars <- mtcars
Data_Cars$cyl
Résultat:
[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
Trier les valeurs des variables
Pour trier les valeurs, utilisez la sort()fonction :
Exemple
Data_Cars <- mtcars
sort(Data_Cars$cyl)
Résultat:
[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
D'après les exemples ci-dessus, nous voyons que la plupart des voitures ont 4 et 8 cylindres.
Analyse des données
Maintenant que nous avons des informations sur l'ensemble de données, nous pouvons commencer à l'analyser avec des chiffres statistiques.
Par exemple, nous pouvons utiliser la summary()fonction pour obtenir un résumé statistique des données :
Exemple
Data_Cars <- mtcars
summary(Data_Cars)
Ne vous inquiétez pas si vous ne comprenez pas les numéros de sortie. Vous les maîtriserez sous peu.
La summary()fonction renvoie six nombres statistiques pour chaque variable :
- Min
- Premier quantile (centile)
- Médian
- Moyenne
- Troisième quantile (centile)
- Max
Nous les couvrirons tous, ainsi que d'autres chiffres statistiques dans les prochains chapitres.