Conjunto de dados R
Conjunto de dados
Um conjunto de dados é uma coleção de dados, geralmente apresentada em uma tabela.
Existe um conjunto de dados embutido popular em R chamado " mtcars " (Motor Trend Car Road Tests), que é recuperado da revista Motor Trend US de 1974.
Nos exemplos abaixo (e para os próximos capítulos), usaremos o mtcars
conjunto de dados, para fins estatísticos:
Exemplo
# 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
Informações sobre o conjunto de dados
Você pode usar o ponto de interrogação ( ?
) para obter informações sobre o mtcars
conjunto de dados:
Exemplo
# Use the question mark to get information about
the data set
?mtcars
Resultado:
mtcars {conjuntos de dados} | Documentação R |
Testes de estrada de carro de tendência de motor
Descrição
Os dados foram extraídos da revista Motor Trend US de 1974 e abrangem o consumo de combustível e 10 aspectos do design e desempenho do automóvel para 32 automóveis (modelos 1973-74).
Uso
mtcars
Formato
Um data frame com 32 observações em 11 variáveis (numéricas).
[, 1] | mpg | Milhas/(EUA) galão |
[, 2] | cilindro | numero de cilindros |
[, 3] | aproveitar | Deslocamento (cu.in.) |
[, 4] | hp | Potência bruta |
[, 5] | droga | Relação do eixo traseiro |
[, 6] | peso | Peso (1000 libras) |
[, 7] | qsec | tempo de 1/4 de milha |
[, 8] | vs | Motor (0 = em forma de V, 1 = reto) |
[, 9] | sou | Transmissão (0 = automática, 1 = manual) |
[,10] | engrenagem | Número de marchas para frente |
[,11] | carboidrato | Número de carburadores |
Observação
Henderson e Velleman (1981) comentam em uma nota de rodapé à Tabela 1: “A codificação não crucial do Hocking [transcritor original] do motor rotativo do Mazda como um motor reto de seis cilindros e o motor plano do Porsche como um motor V, bem como a inclusão do Mercedes 240D diesel, foram mantidos para permitir comparações diretas com análises anteriores.'
Fonte
Henderson e Velleman (1981), Construindo modelos de regressão múltipla interativamente. Biometrics , 37 , 391-411.
Exemplos
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)
Obter informação
Use a dim()
função para encontrar as dimensões do conjunto de dados e a names()
função para visualizar os nomes das variáveis:
Exemplo
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 a rownames()
função para obter o nome de cada linha na primeira coluna, que é o nome de cada carro:
Exemplo
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"
A partir dos exemplos acima, descobrimos que o conjunto de dados possui 32 observações (Mazda RX4, Mazda RX4 Wag, Datsun 710, etc) e 11 variáveis (mpg, cyl, disp, etc).
Uma variável é definida como algo que pode ser medido ou contado.
Aqui está uma breve explicação das variáveis do conjunto de dados mtcars:
Nome variável | Descrição |
---|---|
mpg | Milhas/(EUA) Galão |
cilindro | numero de cilindros |
aproveitar | Deslocamento |
hp | Potência bruta |
droga | Relação do eixo traseiro |
peso | Peso (1000 libras) |
qsec | tempo de 1/4 de milha |
vs | Motor (0 = em forma de V, 1 = reto) |
sou | Transmissão (0 = automática, 1 = manual) |
engrenagem | Número de marchas para frente |
carboidrato | Número de carburadores |
Imprimir valores de variáveis
Se você deseja imprimir todos os valores que pertencem a uma variável, acesse o quadro de dados usando o $
sinal e o nome da variável (por exemplo cyl
(cilindros)):
Exemplo
Data_Cars <- mtcars
Data_Cars$cyl
Resultado:
[1] 6 6 4 6 8 6 8 4 4 6 6 8 8 8 8 8 8 4 4 4 4 8 8 8 8 4 4 4 8 6 8 4
Classificar valores de variáveis
Para ordenar os valores, use a sort()
função:
Exemplo
Data_Cars <- mtcars
sort(Data_Cars$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
Pelos exemplos acima, vemos que a maioria dos carros tem 4 e 8 cilindros.
Analisando os dados
Agora que temos algumas informações sobre o conjunto de dados, podemos começar a analisá-lo com alguns números estatísticos.
Por exemplo, podemos usar a summary()
função para obter um resumo estatístico dos dados:
Exemplo
Data_Cars <- mtcars
summary(Data_Cars)
Não se preocupe se você não entender os números de saída. Você vai dominá-los em breve.
A summary()
função retorna seis números estatísticos para cada variável:
- Mín.
- Primeiro quantil (percentil)
- Mediana
- Significar
- Terceiro quantil (percentil)
- Máx.
Abordaremos todos eles, juntamente com outros números estatísticos nos próximos capítulos.