R 数据集
数据集
数据集是数据的集合，通常以表格形式呈现。
R 中有一个流行的内置数据集，名为"mtcars"（Motor Trend Car Road Tests），检索自 1974 Motor Trend US Magazine。
在下面的示例中（以及后续章节），我们将使用 mtcars 数据集进行统计:
实例
# 打印 mtcars 数据集
mtcars
结果:
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
关于数据集的信息
您可以使用问号 (?) 获取有关 mtcars 数据集的信息:
实例
# 使用问号获取有关数据集的信息
?mtcars
结果:
| mtcars {datasets} | R Documentation |
Motor Trend 汽车道路测试
说明
数据摘自美国 1974 年 Motor Trend 杂志，包括 32 辆汽车（1973-74 年车型）的油耗和汽车设计和性能的 10 个方面。
用法
mtcars
格式
一个包含 11 个（数字）变量的 32 个观测值的数据框。
| [, 1] | mpg | Miles/(US) gallon |
| [, 2] | cyl | Number of cylinders |
| [, 3] | disp | Displacement (cu.in.) |
| [, 4] | hp | Gross horsepower |
| [, 5] | drat | Rear axle ratio |
| [, 6] | wt | Weight (1000 lbs) |
| [, 7] | qsec | 1/4 mile time |
| [, 8] | vs | Engine (0 = V-shaped, 1 = straight) |
| [, 9] | am | Transmission (0 = automatic, 1 = manual) |
| [,10] | gear | Number of forward gears |
| [,11] | carb | Number of carburetors |
注意
Henderson 和 Velleman (1981) 在表 1 的脚注中评论: "霍金 [原始抄写员] 将马自达的转子发动机作为直列六缸发动机和保时捷的平板发动机作为 V 型发动机的非关键编码，以及包括柴油梅赛德斯 240D，已被保留，以便进行直接比较 将根据之前的分析进行。"
来源
Henderson 和 Velleman (1981)，以交互方式构建多个回归模型。生物识别，37，391-411。
实例
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)
获取信息
使用dim()函数求数据集的维度，names() 查看变量名称的函数:
实例
Data_Cars <- mtcars # 创建 mtcars 数据集的变量以便更好地组织
# 使用 dim() 查找数据集的维度
dim(Data_Cars)
# 使用 names() 从数据集中查找变量的名称
names(Data_Cars)
结果:
[1] 32 11 [1] "mpg" "cyl" "disp" "hp" "drat" "wt" "qsec" "vs" "am" "gear" [11] "carb"
使用rownames()函数获取第一列每一行的名称，也就是每辆车的名称:
实例
Data_Cars <- mtcars
rownames(Data_Cars)
结果:
[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"
从上面的例子中，我们发现数据集有 32 个观测值（Mazda RX4、Mazda RX4 Wag、Datsun 710 等）和 11 个变量（ mpg、cyl、disp 等）。
变量被定义为可以测量或计数的东西。
这里是对来自 mtcars 数据集的变量的简要说明:
| Variable Name | 描述 |
|---|---|
| mpg | Miles/(US) Gallon |
| cyl | Number of cylinders |
| disp | Displacement |
| hp | Gross horsepower |
| drat | Rear axle ratio |
| wt | Weight (1000 lbs) |
| qsec | 1/4 mile time |
| vs | Engine (0 = V-shaped, 1 = straight) |
| am | Transmission (0 = automatic, 1 = manual) |
| gear | Number of forward gears |
| carb | Number of carburetors |
打印变量值
如果要打印属于变量的所有值，请使用 $ 符号和变量名称（例如 cyl（圆柱体））:
实例
Data_Cars <- mtcars
Data_Cars$cyl
结果:
[1] 6 6 4 6 8 6 8 4 4 6 6 8 8 8 8 8 8 4 4 4 4 8 8 8 8 4 4 4 8 6 8 4
对变量值进行排序
要对值进行排序，请使用 sort() 函数:
实例
Data_Cars <- mtcars
sort(Data_Cars$cyl)
结果:
[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
从上面的示例中，我们看到大多数汽车都有 4 缸和 8 缸。
分析数据
现在我们有了一些关于数据集的信息，我们可以开始用一些统计数字来分析它。
例如，我们可以使用summary()函数来获取数据的统计汇总:
如果您不了解输出数字，请不要担心。 你很快就会掌握它们。
summary() 函数为每个变量返回六个统计数字:
- Min
- First quantile (percentile)
- Median
- Mean
- Third quantile (percentile)
- Max
我们将在接下来的章节中介绍所有这些，以及其他统计数字。
