Conjunto de datos R
Conjunto de datos
Un conjunto de datos es una colección de datos, a menudo presentados en una tabla.
Hay un popular conjunto de datos incorporado en R llamado " mtcars " (Motor Trend Car Road Tests), que se recupera de la revista Motor Trend US de 1974.
En los ejemplos a continuación (y para los siguientes capítulos), utilizaremos el mtcars
conjunto de datos con fines estadísticos:
Ejemplo
# Print the mtcars data set
mtcars
Resultado:
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
Información sobre el conjunto de datos
Puede utilizar el signo de interrogación ( ?
) para obtener información sobre el mtcars
conjunto de datos:
Ejemplo
# Use the question mark to get information about
the data set
?mtcars
Resultado:
mtcars {conjuntos de datos} | R Documentación |
Pruebas en carretera de Motor Trend Car
Descripción
Los datos se extrajeron de la revista estadounidense Motor Trend de 1974 y comprenden el consumo de combustible y 10 aspectos del diseño y rendimiento del automóvil para 32 automóviles (modelos 1973-74).
Uso
mtcars
Formato
Un marco de datos con 32 observaciones sobre 11 variables (numéricas).
[, 1] | millas por galón | Millas/galón (EE. UU.) |
[, 2] | cilindro | Número de cilindros |
[, 3] | aprovechar | Desplazamiento (cu.in.) |
[, 4] | caballos de fuerza | caballos de fuerza brutos |
[, 5] | mierda | Relación del eje trasero |
[, 6] | peso | Peso (1000 libras) |
[, 7] | qsec | tiempo de 1/4 de milla |
[, 8] | contra | Motor (0 = en forma de V, 1 = recto) |
[, 9] | soy | Transmisión (0 = automática, 1 = manual) |
[,10] | engranaje | Número de marchas hacia adelante |
[,11] | carbohidratos | Número de carburadores |
Nota
Henderson y Velleman (1981) comentan en una nota a pie de página de la Tabla 1: 'La codificación no crucial de Hocking [el transcriptor original] del motor rotativo de Mazda como un motor de seis cilindros en línea y el motor plano de Porsche como un motor en V, así como el la inclusión del Mercedes 240D diésel, se han mantenido para permitir que se realicen comparaciones directas con análisis anteriores.'
Fuente
Henderson y Velleman (1981), Construcción de modelos de regresión múltiple de forma interactiva. Biometría , 37 , 391-411.
Ejemplos
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)
Obtener información
Use la dim()
función para encontrar las dimensiones del conjunto de datos y la names()
función para ver los nombres de las variables:
Ejemplo
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)
Resultado:
[1] 32 11 [1] "mpg" "cyl" "disp" "hp" "drat" "wt" "qsec" "vs" "am" "gear" [11] "carb"
Use la rownames()
función para obtener el nombre de cada fila en la primera columna, que es el nombre de cada automóvil:
Ejemplo
Data_Cars <- mtcars
rownames(Data_Cars)
Resultado:
[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"
De los ejemplos anteriores, descubrimos que el conjunto de datos tiene 32 observaciones (Mazda RX4, Mazda RX4 Wag, Datsun 710, etc.) y 11 variables (mpg, cyl, disp, etc.).
Una variable se define como algo que se puede medir o contar.
Aquí hay una breve explicación de las variables del conjunto de datos mtcars:
Nombre de la variable | Descripción |
---|---|
millas por galón | Millas/(EE. UU.) Galón |
cilindro | Número de cilindros |
aprovechar | Desplazamiento |
caballos de fuerza | caballos de fuerza brutos |
mierda | Relación del eje trasero |
peso | Peso (1000 libras) |
qsec | tiempo de 1/4 de milla |
contra | Motor (0 = en forma de V, 1 = recto) |
soy | Transmisión (0 = automática, 1 = manual) |
engranaje | Número de marchas hacia adelante |
carbohidratos | Número de carburadores |
Imprimir valores de variables
Si desea imprimir todos los valores que pertenecen a una variable, acceda al marco de datos utilizando el $
signo y el nombre de la variable (por ejemplo cyl
(cilindros)):
Ejemplo
Data_Cars <- mtcars
Data_Cars$cyl
Resultado:
[1] 6 6 4 6 8 6 8 4 4 6 6 8 8 8 8 8 8 4 4 4 4 8 8 8 8 4 4 4 8 6 8 4
Ordenar valores de variables
Para ordenar los valores, use la sort()
función:
Ejemplo
Data_Cars <- mtcars
sort(Data_Cars$cyl)
Resultado:
[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
De los ejemplos anteriores, vemos que la mayoría de los autos tienen 4 y 8 cilindros.
Analizando los datos
Ahora que tenemos algo de información sobre el conjunto de datos, podemos comenzar a analizarlo con algunos números estadísticos.
Por ejemplo, podemos usar la summary()
función para obtener un resumen estadístico de los datos:
Ejemplo
Data_Cars <- mtcars
summary(Data_Cars)
No se preocupe si no entiende los números de salida. Los dominarás en breve.
La summary()
función devuelve seis números estadísticos para cada variable:
- mínimo
- Primer cuantil (percentil)
- Mediana
- Significar
- Tercer cuantil (percentil)
- máx.
Cubriremos todos ellos, junto con otros números estadísticos en los próximos capítulos.