R 数据集
数据集
数据集是数据的集合，通常以表格形式呈现。
R 中有一个流行且内置的数据集，名为“mtcars”（Motor Trend Car Road Tests），它来自 1974 年的 Motor Trend 美国杂志。
在下面的示例（以及接下来的章节）中，我们将使用 mtcars 数据集进行统计分析。
示例
# 打印 mtcars 数据集
mtcars
结果
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
数据集信息
您可以使用问号（?）来获取关于 mtcars 数据集的信息。
示例
# 使用问号获取数据集信息
?mtcars
结果
| mtcars {datasets} | R 文档 |
Motor Trend 汽车公路测试
描述
数据摘自 1974 年的Motor Trend 美国杂志，包含 32 辆汽车（1973-74 年款）的燃油消耗以及汽车设计和性能的 10 个方面。
用法
mtcars
格式
一个包含 32 个观测值和 11 个（数值型）变量的数据框。
| [, 1] | mpg | 每加仑英里数（美制） |
| [, 2] | cyl | 气缸数 |
| [, 3] | disp | 排量（立方英寸） |
| [, 4] | hp | 总马力 |
| [, 5] | drat | 后桥传动比 |
| [, 6] | wt | 重量（千磅） |
| [, 7] | qsec | 四分之一英里加速时间 |
| [, 8] | vs | 发动机（0 = V 型，1 = 直列型） |
| [, 9] | am | 变速箱（0 = 自动，1 = 手动） |
| [,10] | gear | 前进挡数量 |
| [,11] | carb | 化油器数量 |
注意
Henderson 和 Velleman (1981) 在第 1 表的脚注中评论道：“Hocking [原始录入者] 将马自达的转子发动机非关键地编码为直列六缸发动机，将保时捷的水平对置发动机编码为 V 型发动机，并将柴油梅赛德斯 240D 包含在内，以使其能够与之前的分析进行直接比较。”
Source（来源）
Henderson 和 Velleman (1981)，《交互式构建多元回归模型》。Biometrics，37，391-411。
示例
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)
获取信息
使用 dim() 函数查找数据集的维度，使用 names() 函数查看变量名称。
示例
Data_Cars <- mtcars # 创建一个 mtcars 数据集的变量，以便更好地组织
# 使用 dim() 查找数据集的维度
dim(Data_Cars)
# 使用 names() 查找数据集中变量的名称
names(Data_Cars)
结果
[1] 32 11 [1] "mpg" "cyl" "disp" "hp" "drat" "wt" "qsec" "vs" "am" "gear" [11] "carb"
使用 rownames() 函数获取第一列中每一行的名称，即每辆汽车的名称。
示例
Data_Cars <- mtcars
rownames(Data_Cars)
结果
[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"
从上面的示例中，我们发现该数据集有 **32** 个观测值（如 Mazda RX4、Mazda RX4 Wag、Datsun 710 等）和 **11** 个变量（如 mpg、cyl、disp 等）。
变量定义为可以测量或计数的事物。
以下是 mtcars 数据集中变量的简要说明
| 变量名 | 描述 |
|---|---|
| mpg | 每加仑英里数（美制） |
| cyl | 气缸数 |
| disp | 排量 |
| hp | 总马力 |
| drat | 后桥传动比 |
| wt | 重量（千磅） |
| qsec | 四分之一英里加速时间 |
| vs | 发动机（0 = V 型，1 = 直列型） |
| am | 变速箱（0 = 自动，1 = 手动） |
| gear | 前进挡数量 |
| carb | 化油器数量 |
打印变量值
如果您想打印属于一个变量的所有值，请使用 $ 符号和变量名（例如 cyl (气缸数)）来访问数据框。
示例
Data_Cars <- mtcars
Data_Cars$cyl
结果
[1] 6 6 4 6 8 6 8 4 4 6 6 8 8 8 8 8 8 4 4 4 4 8 8 8 8 4 4 4 8 6 8 4
对变量值进行排序
要对值进行排序，请使用 sort() 函数。
示例
Data_Cars <- mtcars
sort(Data_Cars$cyl)
结果
[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
从上面的示例中，我们看到大多数汽车有 4 个和 8 个气缸。
分析数据
现在我们已经对数据集有了一些了解，可以开始用一些统计数字来分析它了。
例如，我们可以使用 summary() 函数来获取数据的统计摘要。
如果您不理解输出的数字，请不要担心。您很快就会掌握它们。
summary() 函数为每个变量返回六个统计数字。
- Min
- 第一四分位数（百分位数）
- 中位数
- 均值
- 第三四分位数（百分位数）
- Max
我们将在接下来的章节中介绍所有这些以及其他统计数字。
