《R语言与数据挖掘最佳实践和经典案例》—— 3.3 探索多个变量

本节书摘来自华章出版社《R语言与数据挖掘最佳实践和经典案例》一 书中的第3章,第3.3节,作者:(澳)Yanchang Zhao,更多章节内容可以访问云栖社区“华章计算机”公众号查看。

3.3 探索多个变量

查看了单个变量的分布后,还需要探索两个变量之间的关系。下面我们使用函数cov()和cor()分别计算变量之间的协方差和相关系数。
《R语言与数据挖掘最佳实践和经典案例》—— 3.3 探索多个变量
《R语言与数据挖掘最佳实践和经典案例》—— 3.3 探索多个变量

接下来,使用函数aggregate()计算每一个鸢尾花种(Species)的Sepal.Length的统计数据。
《R语言与数据挖掘最佳实践和经典案例》—— 3.3 探索多个变量

然后,使用函数boxplot()绘制盒图(又称为盒形-虚线图),以展示数据分布的中位数、第一四分位数和第三四分位数(即累积分布中的位于50%、25%、75%位置上的点),以及离群点。盒图中间的横线表示中位数。图(3-5)显示了四分位差(IQR),即第三四分位数(75%)与第一四分位数(25%)的差值。
《R语言与数据挖掘最佳实践和经典案例》—— 3.3 探索多个变量
《R语言与数据挖掘最佳实践和经典案例》—— 3.3 探索多个变量

下面使用函数plot()绘制两个数值型变量的散布图,使用函数with()后不需要在变量名前加上“iris$”前缀。在下面的代码中,各个数据点根据不同品种设置了不同的颜色(col)和标志(pch)。
《R语言与数据挖掘最佳实践和经典案例》—— 3.3 探索多个变量

当数据量很大时,图中的数据点可能会出现重叠。因此,在绘制散布图前使用函数jitter()添加少量噪声数据(见图3-7)。
《R语言与数据挖掘最佳实践和经典案例》—— 3.3 探索多个变量

散布图矩阵由函数pairs()生成(见图3-8)。
《R语言与数据挖掘最佳实践和经典案例》—— 3.3 探索多个变量

上一篇:《数据科学:R语言实现》——3.2 重命名数据变量


下一篇:深入理解h2和r2dbc-h2