R语言与数据挖掘进修条记(1)：数据挖掘相关包的先容

在开始一个数据阐明项目之前，都很是有须要相识一下我们的数据，本日晚上主要整理数据摸索方面一些常用的代码：

一、先看看数据

我们首先要先相识一下数据的尺寸和布局：

dim(iris) # 相识数据集的维度，有几多行几多列？

names(iris) # 数据有哪些列？

str(iris) # 数据的布局如何？

attributes(iris) # 数据的列名、行名和数据布局

然后看看数据集前几行和后几行长成什么样子：

iris[1:5, ] # 看看数据的前5行

head(iris) # 看看数据的前6行

tail(iris) # 看看数据的最后6行

iris[1:10, “Sepal.Length”] # Sepal.Length变量的前10个取值

iris$Sepal.Length[1:10] # 用别的一种形式取出

二、看看单个变量的环境

summary(iris) # 看看单个变量的要害数据：最小值、25%分位数、中位数、均值、75%分位数、较大值

quantile(iris$Sepal.Length) # 单个变量的1%、25%、50%、75%、100%分位数

quantile(iris$Sepal.Length, c(0.1, 0.3, 0.65)) # 指定分位点对应的分位数

mean()，median()，range() # 返回均值、中位数和数据的范畴

对付持续变量：

var() # 返回变量的方差

hist(iris$Sepal.Length) # 画出变量的直方图，看看变量的漫衍环境

plot(density(iris$Sepal.Length)) # 画出变量的密度函数图

对付种别变量：

table(iris$Species) # 统计每个类此外计数，相识一下各个类此外漫衍

pie(table(iris$Species)) # 画出每个类此外占比饼图

barplot(table(iris$Species)) # 画出柱状图

三、调查多个变量之间的干系

首先看看变量之间的相关性：

cov(iris[ , 1:4]) # 计较变量之间的协方差矩阵

cor(iris[ , 1:4]) # 计较变量之间的相干系数矩阵

然后研究一些在差异的方针变量程度下，某变量的根基环境：

aggregate(Sepal.Length~Spacies, summary, data=iris) # 对付Sepal.Length变量，在每个Species程度上执行summary计较

boxplot(Sepal.Length~Species, data=iris) # 针对每个Species程度绘制Sepal.Length的盒形图

with(iris, plot(Sepal.Length, Sepal.Width, col=Species, pch=as.numeric(Species))) #针对每个Species程度绘制两个变量的散点图，并用颜色和点状区分

plot(jitter(iris$Sepal.Length), jitter(iris$Sepal.Width))

接着用图形的方法研究变量之间的干系：

pairs(iris) # 绘制任意两个矩阵之间的散点图，发明变量之间的相关性

四、看看其他方面

三维散点图：

library(scatterplot3d)
scatterplot3d(iris$Petal.Width, iris$Sepal.Length, iris$Sepal.Width)

结构相似性矩阵，用热图可视化样本之间的相似性：

distMatrix <- as.matrix(dist(iris[,1:4]))
heatmap(distMatrix)

以Sepal.Length和Sepal.Width为横纵坐标，分程度，以Petal.Width巨细为颜色，摸索数据之间的干系：

library(lattice)
levelplot(Petal.Width~Sepal.Length*Sepal.Width, iris, cuts=9,col.regions=grey.colors(10)[10:1])

以等高线的形式摸索数据的干系：

library(lattice)

filled.contour(volcano, color=terrain.colors, asp=1,plot.axes=contour(volcano, add=T))

画一顶帽子：

persp(volcano, theta = 25, phi = 30, expand = 0.5, col = “lightblue”)

平面坐标可视化，研究差异种别变量之间的差别：

library(MASS)
parcoord(iris[1:4], col=iris$Species)

还可以用别的一个函数实现

library(lattice)
parallelplot(~iris[1:4] | Species, data=iris)

最后先容一下ggplot2这个包，很是强悍，后续专门找一个晚上重点进修，一个简朴的例子：

按照Species的差异种别，绘制Sepal.Length和Sepal.Width的散点图。

library(ggplot2)
qplot(Sepal.Length, Sepal.Width, data=iris, facets=Species ~.)

五、生存图片

# save as a PDF file
pdf(“myPlot.pdf”)
x <- 1:50
plot(x, log(x))
graphics.off()
# Save as a postscript file
postscript(“myPlot2.ps”)
x <- -20:20
plot(x, x^2)
graphics.off()