R ဒေတာသတ်မှတ်
ဒေတာသတ်မှတ်
ဒေတာအစုံသည် ဇယားတစ်ခုတွင် မကြာခဏတင်ပြလေ့ရှိသော အချက်အလက်အစုအဝေးတစ်ခုဖြစ်သည်။
1974 Motor Trend US မဂ္ဂဇင်းမှ ပြန်လည်ရယူသည့် " mtcars " (Motor Trend Car Road Tests) ဟုခေါ်သော R တွင် နာမည်ကြီး built-in ဒေတာအစုံ ရှိပါသည်။
mtcars
အောက်ဖော်ပြပါနမူနာများတွင် (နှင့် နောက်အခန်းများအတွက်)၊ စာရင်းအင်းဆိုင်ရာ ရည်ရွယ်ချက်များအတွက် ဒေတာအစုံကို အသုံးပြုပါမည် ။
ဥပမာ
# Print the mtcars data set
mtcars
ရလဒ်:
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
Data Set အကြောင်း အချက်အလက်များ
ဒေတာအစုံ ?
နှင့်ပတ်သက်သော အချက်အလက်များကို ရယူရန် မေးခွန်းအမှတ်အသား ( ) ကို အသုံးပြုနိုင်သည် ။mtcars
ဥပမာ
# Use the question mark to get information about
the data set
?mtcars
ရလဒ်:
mtcars {datasets} | R စာတမ်းပြုစုခြင်း။ |
Motor Trend Car Road စမ်းသပ်မှုများ
ဖော်ပြချက်
ဒေတာကို 1974 Motor Trend US မဂ္ဂဇင်းမှ ထုတ်နုတ်ပြီး လောင်စာဆီစားသုံးမှုနှင့် မော်တော်ကား ၃၂ စီး (၁၉၇၃-၇၄ မော်ဒယ်များ) အတွက် မော်တော်ကားဒီဇိုင်းနှင့် စွမ်းဆောင်ရည် ၁၀ မျိုးတို့ ပါဝင်ပါသည်။
အသုံးပြုမှု
mtcars
ပုံစံ
ကိန်းရှင် 11 (ဂဏန်း) တွင် လေ့လာတွေ့ရှိချက် 32 ခုပါသည့် ဒေတာဘောင်တစ်ခု။
[၊ ၁] | စိုင်းစိုင်းခမ်းလှိုင် | မိုင်/(အမေရိကန်)ဂါလံ |
[ ၊ ၂ ] | cyl | ဆလင်ဒါအရေအတွက် |
[၊ ၃] | မခိုင် | နေရာရွှေ့ပြောင်းခြင်း (cu.in.) |
[ ၊ ၄ ] | ကောင်ရေ | စုစုပေါင်း မြင်းကောင်ရေ |
[၊ ၅] | drat | နောက် axle အချိုး |
[ ၊ ၆ ] | wt | အလေးချိန် (ပေါင် 1000) |
[ ၊ ၇ ] | qsec | အချိန် ၁/၄ မိုင် |
[ ၊ ၈ ] | vs | အင်ဂျင် (0 = V ပုံသဏ္ဍာန်၊ 1 = ဖြောင့်)၊ |
[ ၊ ၉ ] | နံနက် | ဂီယာ (0 = အော်တို၊ 1 = လက်စွဲ) |
[သံ၊၁၀]၊ | ဂီယာ | ရှေ့ဂီယာအရေအတွက် |
[သံ၊၁၁]၊ | ကာဗိုဟိုက်ဒရိတ် | ကာဘူရီတာ အရေအတွက် |
မှတ်ချက်
Henderson နှင့် Velleman (1981) မှ ဇယား 1 ၏ အောက်ခြေမှတ်စုတွင် မှတ်ချက်- ' Mazda ၏ rotary engine ကို ဖြောင့်ခြောက်ဆလင်ဒါအင်ဂျင်အဖြစ် Hocking [မူရင်းဘာသာပြန်ဆိုသူ] ၏ အရေးမပါသော ကုဒ်ဖော်ပြချက်၊ ဒီဇယ်မာစီဒီး 240D ၏ ပါ၀င်မှုသည် ယခင်ခွဲခြမ်းစိတ်ဖြာမှုများနှင့် တိုက်ရိုက်နှိုင်းယှဉ်မှုများ ပြုလုပ်နိုင်စေရန် ထိန်းသိမ်းထားသည်။'
အရင်းအမြစ်
Henderson နှင့် Velleman (1981)၊ များပြားလှသော ဆုတ်ယုတ်မှုပုံစံများကို အပြန်အလှန်အကျိုးသက်ရောက်စွာ တည်ဆောက်ခြင်း။ Biometrics , 37 , 391-411။
ဥပမာများ
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)
သတင်းအချက်အလက်ရယူပါ။
dim()
ဒေတာအစုံ၏အတိုင်းအတာများကိုရှာဖွေရန်နှင့် names()
variable များ၏အမည်များကိုကြည့်ရှုရန် function ကိုအသုံးပြုပါ -
ဥပမာ
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)
ရလဒ်:
[1] 32 11 [1] "mpg" "cyl" "disp" "hp" "drat" "wt" "qsec" "vs" "am" "gear" [11] "carb"
rownames()
ကားတစ်ခုစီ၏အမည်ဖြစ်သည့် ပထမကော်လံရှိ အတန်းတစ်ခုစီ၏အမည်ကို ရယူရန် လုပ်ဆောင်ချက်ကို အသုံးပြု ပါ-
ဥပမာ
Data_Cars <- mtcars
rownames(Data_Cars)
ရလဒ်:
[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"
အထက်ဖော်ပြပါနမူနာများမှ၊ ဒေတာအတွဲတွင် လေ့လာတွေ့ရှိချက် ၃၂ ခု (Mazda RX4၊ Mazda RX4 Wag၊ Datsun 710 စသည်ဖြင့်) နှင့် ကိန်းရှင် 11 မျိုး (mpg၊ cyl၊ disp စသည်) ရှိကြောင်း တွေ့ရှိရပါသည်။
ကိန်းရှင်ကို တိုင်းတာနိုင်သော သို့မဟုတ် ရေတွက်နိုင်သော အရာတစ်ခုအဖြစ် သတ်မှတ်သည်။
ဤသည်မှာ mtcars data set မှ variable များအကြောင်း အကျဉ်းချုပ် ရှင်းလင်းချက်ဖြစ်ပါသည်။
ပြောင်းလဲနိုင်သောအမည် | ဖော်ပြချက် |
---|---|
စိုင်းစိုင်းခမ်းလှိုင် | မိုင်/(အမေရိကန်) ဂါလန် |
cyl | ဆလင်ဒါအရေအတွက် |
မခိုင် | နေရာရွှေ့ပြောင်းခြင်း။ |
ကောင်ရေ | စုစုပေါင်း မြင်းကောင်ရေ |
drat | နောက် axle အချိုး |
wt | အလေးချိန် (ပေါင် 1000) |
qsec | အချိန် ၁/၄ မိုင် |
vs | အင်ဂျင် (0 = V ပုံသဏ္ဍာန်၊ 1 = ဖြောင့်)၊ |
နံနက် | ဂီယာ (0 = အော်တို၊ 1 = လက်စွဲ) |
ဂီယာ | ရှေ့ဂီယာအရေအတွက် |
ကာဗိုဟိုက်ဒရိတ် | ကာဘူရီတာ အရေအတွက် |
ပြောင်းလဲနိုင်သောတန်ဖိုးများကို ပရင့်ထုတ်ပါ။
ကိန်းရှင်တစ်ခုနှင့် သက်ဆိုင်သည့် တန်ဖိုးအားလုံးကို ပရင့်ထုတ်လိုပါက၊ $
နိမိတ်လက္ခဏာနှင့် ကိန်းရှင်၏အမည် (ဥပမာ cyl
(ဆလင်ဒါများ)) ကို အသုံးပြု၍ ဒေတာဘောင်ကို ဝင်ရောက်ကြည့်ရှုပါ။
ဥပမာ
Data_Cars <- mtcars
Data_Cars$cyl
ရလဒ်:
[1] 6 6 4 6 8 6 8 4 4 6 6 8 8 8 8 8 8 4 4 4 4 8 8 8 8 4 4 4 8 6 8 4
Variable Values များကိုစီပါ။
တန်ဖိုးများကို စီရန်၊ sort()
လုပ်ဆောင်ချက်ကို အသုံးပြုပါ-
ဥပမာ
Data_Cars <- mtcars
sort(Data_Cars$cyl)
ရလဒ်:
[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
အထက်ဖော်ပြပါ ဥပမာများမှ ကားအများစုတွင် ဆလင်ဒါ 4 လုံးနှင့် 8 ဆလင်ဒါများပါရှိသည်။
Data ကိုခွဲခြမ်းစိတ်ဖြာခြင်း။
ယခု ကျွန်ုပ်တို့တွင် ဒေတာအစုံနှင့်ပတ်သက်သော အချက်အလက်အချို့ရှိသဖြင့်၊ ကိန်းဂဏန်းအချို့ဖြင့် ၎င်းကို စတင်ခွဲခြမ်းစိတ်ဖြာနိုင်ပါပြီ။
ဥပမာအားဖြင့်၊ summary()
ဒေတာ၏ ကိန်းဂဏန်းအကျဉ်းချုပ်ကို ရယူရန် လုပ်ဆောင်ချက်ကို ကျွန်ုပ်တို့အသုံးပြုနိုင်သည်-
ဥပမာ
Data_Cars <- mtcars
summary(Data_Cars)
အထွက်နံပါတ်များကို နားမလည်ပါက စိတ်မပူပါနှင့်။ မကြာခင် သူတို့ကို ကျွမ်းကျင်လာလိမ့်မယ်။
summary()
လုပ်ဆောင်ချက်သည် ကိန်းရှင်တစ်ခုစီအတွက် ကိန်းဂဏန်းခြောက်လုံးကို ပြန်ပေးသည် -
- မင်း
- ပထမအကြိမ်အရေအတွက် (ရာခိုင်နှုန်း)
- မီဒီယံ
- ဆိုလိုတာ
- တတိယပမာဏ (ရာခိုင်နှုန်း)
- မက်
၎င်းတို့အားလုံးကို နောက်အခန်းများတွင် အခြားသော ကိန်းဂဏန်းများနှင့်အတူ အကျုံးဝင်ပါမည်။