도표의 이해와 패턴 탐색

in: 빅데이터 이해 와 분석
on: 2017.05.30
at: 17:55
by: 한희선; | 조회수 : 5144

추천

URL복사

도수분포표, 히스토그램, 밀도그림 교재 중 일부분 입니다.

따라해 보세요.

############################################################

히스토그램,박스플롯,기술통계,기본함수보조함수 코드

############################################################

#히스토그램

rm(list =ls())

setwd("c:/source_data_package2")

getwd()

data.file <- file.path('data', '01_heights_weights_genders.csv')

heights.weights <- read.csv(data.file, header = TRUE, sep = ',')

heights.weights

###########################################

#http://www.dator.co.kr/Qn2a/textyle/2708885

#error in loadName...............이하 중략

###########################################

install.packages("ggplot2")

library('ggplot2')

head(heights.weights,10)

#폭이 좁은 histogram

#ggplot(데이터셋, aes(x=축에사용할 변수지정))+ #shift + enter

#geom_그림의기하학적표현(bandwith=막대의 넒이)#블럭잡고 실행

ggplot(heights.weights, aes(x = Height)) +

geom_histogram(binwidth = 1)

##폭이 넓은 histogram

ggplot(heights.weights, aes(x = Height)) +

geom_histogram(binwidth = 5)

install.packages("lattice")

library(lattice)

#~ x축에 올 변수명, data=데이터

#seq(4,8,by=0.2)4부터 8을 0.2간격으로 나눔

#ylim은 y축의 최소값, 최대값

# groups = 그룹

#panel은 사각형 안의 설정

#col=c("cyan","magenta","yellow") 색

#alpha=0.4 투명도

#범례: auto.key=list(colums=컬럼개수,

#rectangles=직사각형으로 할것인지여부.

histogram( ~Sepal.Length,

data = iris,

type = "p",

breaks = seq(4,8,by=0.2),

ylim = c(0,30),

groups = Species,

panel = function(...)panel.superpose(...,panel.groups=panel.histogram,

col=c("cyan","magenta","yellow"),alpha=0.4),

auto.key=list(columns=3,rectangles=TRUE,

col=c("cyan","magenta","yellow3"))

)

#boxplot

iris2<-iris

write.csv(iris2,"c:/source_data_package2/iris2.csv")

boxplot(iris$Sepal.Width)

median(iris$Sepal.Width)

#Value

?boxplot

box_valu<- boxplot(iris$Sepal.Width)

box_valu

box_valu$n

box_valu$stats

box_valu$out

#10

#여러 그룹의 상자그림

set.seed(1234)#난수표에 중심, 랜덤하게 값을 추출

dat <- data.frame(Cond = factor(rep(c("A","B","C"), each=200)),

Value = rnorm(600))

str(dat)

library('ggplot2')

?ggplot

#aes(x=Cond, y=Value, fill=Cond)

#x=Cond변수를 x축에

#y=Value변수를 Y축에

aaa<-ggplot(dat, aes(x=Cond, y=Value, fill=Cond))+geom_boxplot()

bbb<-aaa+points()

#11

#----------------------------------------------------------------

#꽃의 종류별(명목:코드형)로

#변수별분포(Petal.Length:수치형)를 파악

#aggregate(수치형변수~factor,요약함수meansum...,data=데이터셋명)

aggregate(Petal.Length ~ Species, summary, data=iris)

aggregate(Petal.Length ~ Species, sum, data=iris)

aggregate(Petal.Length ~ Species, mean, data=iris)

#Species 각 그룹별로 iris데이터의 1열과 3열의값 평균

?aggregate

aggregate(iris[,c(1,3)],by=iris$Species,mean)#error

abc<-aggregate(iris[,c(1,3)],by=iris[c('Species')],mean)

write.csv(abc,"c:/source_data_package2/abc.csv")

aggregate(iris[,c(1,3)],by=list(iris$Species),FUN=mean)

#종별(factor)기준 여러변수의 평균

aggregate(iris[,1:4],by=list(iris$Species),FUN=mean)

#첫번째 컬럼의 이름 Species123로 지정

aggregate(iris[,c(1,3)],by=list(Species123=iris$Species),summary)

#-------------------------------------------------------------

# 조건주어서 추출 후 값 산출

#data=subset(dX1, select=c(Sepal.Length,Species),subset=(Sepal.Length>0)

head(dX1 <- iris) #150개가 dX1로

#data=데이터셋

#데이터 =subset(데이터, select=선택할 컬럼, subset=조건)

aggregate(Sepal.Length ~ Species, mean,

data=subset(dX1, select=c(Sepal.Length,Species),subset=(Sepal.Length>5))

)

boxplot(Petal.Length ~ Species, data=iris)

#13

#평균에서 + 표준편차 만큼과 – 표준편차 만큼을 표시

OrchardSprays

str(OrchardSprays)

#y축 ~x축

rb <- boxplot(decrease ~ treatment, data = OrchardSprays, col = "bisque")

#제목

title("Comparing boxplot()s and non-robust mean +/- SD")

#treatment별 평균

mn.t <- tapply(OrchardSprays$decrease, OrchardSprays$treatment, mean)

mn.t

#treatment별 표준편차

sd.t <- tapply(OrchardSprays$decrease, OrchardSprays$treatment, sd)

sd.t

#x축으로 0.3 만큼 이동해서 “pink”색선을 그리기위해서 위치이동

#boxplot의 n개만큼 seq(rb$n)

xi <- 0.3 + seq(rb$n)

#points(x축지점, 각 treatment의 decrease변수 평균)

points(xi, mn.t, col = "orange", pch = 18)

#y축의 “mn.t- sd.t“는 시작점,“mn.t + sd.t“는 도착점

arrows(xi, mn.t - sd.t, xi, mn.t + sd.t,

code = 3, col = "pink", angle = 75, length = .1)

#16,17

#기술통계

#데이터셋명$변수명, 숫자

exam <- c(50,53,53,55,55,72,73,73,73,73,58,58,59,

59,60,73,73,73,74,74,60,62,62,62,62,75,75,76,76,

77,63,64,64,65,65,77,77,78,78,78,66,66,66,67,67,

78,79,79,79,80,67,67,67,67,67,67,80,71,82,82,83,

68,68,68,68,69,84,84,84,86,87,70,70,70,71,72,89,90,91,92,98)

#4분위수

quantile(exam)

#p% 분위수

p <- 0.02

quantile(exam,p)

#중앙값을 중심으로 전체데이터의 50%을 포함하는 범위

c(quantile(exam , probs = 0.25),quantile(exam , probs = 0.75))

#중앙값을 중심으로 전체95%가 포함된 범위

c(quantile(exam, probs = 0.025),quantile(exam, probs = 0.775))

#밀도그림

hist(exam)

a<-hist(exam, freq=FALSE)

##순서

b<-lines(density(exam))

####

a;b

abline(v=mean(exam),lty="dotted")

abline(v=median(exam),col="red",lty="dotted")

abline(v=quantile(exam,c(0.25,0.75)),col="green")

abline(v=quantile(exam,c(0.95)),col="red",lwd=2)

fivenum (1:11)

#20

#아래 밀도그림에서 비대칭도

install.packages("boot")

library(boot)

install.packages("e1071")

library(e1071)

faithful

str(faithful)

duration = faithful$eruptions

skewness(duration)

wait = faithful$waiting

skewness(wait)

####

faithful1<-faithful

write.csv(faithful1,"c:/source_data_package2/faith.csv")

####

erup <- faithful$eruptions

hist(erup, freq=FALSE)

lines(density(erup))

abline(v=mean(erup),lty="dotted",col="green")

abline(v=median(erup),col="red",lty="dotted")

#abline(v=quantile(erup,c(0.25,0.75)),col="green")

abline(v=quantile(erup,c(0.95)),col="red",lwd=2)

#21

set.seed(1000)

x1 = rbeta(10000,2,4)

x2 = rbeta(10000,5,5)

x3 = rbeta(10000,4,2)

skewness(x1)

skewness(x2)

skewness(x3)

par(mfrow=c(2,2))

hist(x1, freq=FALSE)

lines(density(x1))

hist(x2, freq=FALSE)

lines(density(x2))

hist(x3, freq=FALSE)

lines(density(x3))

#22,23

library(boot)

install.packages("e1071")

library(e1071)

str(faithful)

sapply(faithful,kurtosis)

sapply(faithful,skewness)

#그림이 그려지는 창을 분할

par(mfrow=c(1,2))

hist(faithful$eruptions, freq=FALSE)

lines(density(faithful$eruptions))

hist(faithful$waiting, freq=FALSE)

lines(density(faithful$waiting))

#변수에 대한 하나의 왜도 및 첨도로 판단 할 수 있는 데이터가 아니다.

#양봉형 데이터: 하나의 변수내에 두 개의 class 가 있을 수 있을 것등을 고려하여서 적절한 처리 후 분석하여야한다.

#두 집단으로 분리 가능성 정도, 평균차를 구해볼 필요성 등이 있다.

#24

#두 개의 변수에서는 평균, 중위수가 의미가 있지만

#나머지 두 개 변수에서는 중위수나 평균이 의미가 x

#표본의 개수를 더 증가 시키거나, 데이터를 분할 한 후에 분석

#밀도

par(mfrow=c(2,2))

hist(iris[,1], freq=FALSE)

lines(density(iris[,1]))

hist(iris[,2], freq=FALSE)

lines(density(iris[,2]))

hist(iris[,3], freq=FALSE)

lines(density(iris[,3]))

hist(iris[,4], freq=FALSE)

lines(density(iris[,4]))

#산점도

par(mfrow=c(1,1))

#pairs(숫자변수 여러개, panel=panel.smooth 선,

#col=정수(데이터셋명$factor변수(그룹)))

pairs(iris[,1:4],

panel=panel.smooth,col=as.integer(iris$Species))

#변수별 비대칭도와 첨도

sapply(iris[1:4],kurtosis)

sapply(iris[1:4],skewness)

#변수선택

#iris 데이터셋에서

#Petal(꽃잎)은 Species(target) 별로 구분이 뚜렷 함

#Sepal(꽃받침)은 Species(target) 별로 구분하기가 뚜렷하지 않은 분포 임.

#그러므로 종을 구분하는데 있어서 Petal(꽃잎)을 중요한 변수로 설정함

#33

#점크기와 점모양 예제

par(mfrow=c(1,1))

plot(0:10,0:10,xlim=c(0,32),ylim=c(0,48), type="n",xaxt="n",yaxt="n",xlab="",ylab="")

x <- seq(1,31,2); y <- rep(4,16)

points(x,y,pch=0:15, cex=0.7)

text(x,y-3,as.character(0:15),cex=0.6)

#36

#5가지 심볼을 5가지 색

# 빈 도표 생성

plot(0:6,0:6,pch=22,type="n",xaxt="n",yaxt="n",ylab="col(border)",xlab="bg(background)")

# “axis(1“은 x축 지정

# at은 x 축의 눈금 명칭 지정,범위를 1에서 5로 지정

axis(1,at=1:5)

#“axis(2“은 y 축 지정

#at=1:5은 y 축의 눈금 명칭 지정

axis(2,at=1:5)

# y축을 1위치에지정

#(1,1) (2,1) (3,1)

points(1:5,rep(1,5),pch=c(21,22,23,24,25),bg=1:5,col=1)

#y축을 2위치에지정

points(1:5,rep(2,5),pch=c(21,22,23,24,25),bg=1:5,col=2)

#39

#colors() 657개의 색상

colors()

cl <- colors()

length(cl); cl[1:20]

par(mfrow=c(2,1))

plot(c(1:16), col=c(0:6), cex=5,pch=16)#white 보임

plot(c(1:16), col=c(1:6), cex=5,pch=16)#white 안보임

?datasets

?mtcars

0 Comments

Leave Comments

비밀

데이터과학자시리즈