菜单
×
   ❮     
HTML CSS JAVASCRIPT SQL PYTHON JAVA PHP HOW TO W3.CSS C C++ C# BOOTSTRAP REACT MYSQL JQUERY EXCEL XML DJANGO NUMPY PANDAS NODEJS R TYPESCRIPT ANGULAR GIT POSTGRESQL MONGODB ASP AI GO KOTLIN SASS VUE DSA GEN AI SCIPY AWS CYBERSECURITY DATA SCIENCE
     ❯   

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
自己动手试一试 »

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》。Biometrics37,391-411。

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)
自己动手试一试 »


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"
自己动手试一试 »

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"         
自己动手试一试 »

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
自己动手试一试 »

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
自己动手试一试 »

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。

示例

Data_Cars <- mtcars

summary(Data_Cars)
自己动手试一试 »

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。



×

联系销售

如果您想将 W3Schools 服务用于教育机构、团队或企业,请发送电子邮件给我们
sales@w3schools.com

报告错误

如果您想报告错误,或想提出建议,请发送电子邮件给我们
help@w3schools.com

W3Schools 经过优化,旨在方便学习和培训。示例可能经过简化,以提高阅读和学习体验。教程、参考资料和示例会不断审查,以避免错误,但我们无法保证所有内容的完全正确性。使用 W3Schools 即表示您已阅读并接受我们的使用条款Cookie 和隐私政策

版权所有 1999-2024 Refsnes Data。保留所有权利。W3Schools 由 W3.CSS 提供支持