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 mtcarsconjunto 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]aprovecharDesplazamiento (cu.in.)
[, 4]caballos de fuerza caballos de fuerza brutos
[, 5]mierdaRelación 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.