Bài tập
Đinh Thanh Hoài - 2121001549
1 Tuần 5
1.1 WebScrape
- Trong thực tế đôi khi bạn cần thu thập 1 số lượng lớn thông tin từ một số trang web như là giá cổ phiếu, chi tiết sản phẩm, số liệu thống kê thể thao, thông tin liên hệ của công ty,…để phục vụ cho nhiều mục đích khác nhau. Tuy nhiên, việc lấy các thông tin này một cách thủ công thì cần rất nhiều thời gian. Lúc này web scraping chính là cách giúp chúng ta trích xuất dữ liệu từ các trang web một cách tự động
- Ta sử dụng package rvest để có thể trích xuất được dữ liệu từ trang web. Em sẽ trích xuất dữ liệu từ trang web “www.en.wikipedia.org” về danh sách những tay đua xe công thức một của các quốc gia
library(rvest)## Warning: package 'rvest' was built under R version 4.2.3library(dplyr)## Warning: package 'dplyr' was built under R version 4.2.3##
## Attaching package: 'dplyr'## The following objects are masked from 'package:stats':
##
## filter, lag## The following objects are masked from 'package:base':
##
## intersect, setdiff, setequal, unionlink <- "https://en.wikipedia.org/wiki/List_of_Formula_One_drivers"
page <- read_html(link)
drivers_F1 <- html_element(page, "table.sortable") %>%
html_table()
head(drivers_F1) # hiện 6 dòng thông tin đầu về các tay đua tiên trong danh sách## # A tibble: 6 × 11
## `Driver name` Nationality `Seasons competed` `Drivers' Championships`
## <chr> <chr> <chr> <chr>
## 1 Carlo Abate Italy 1962–1963 0
## 2 George Abecassis United Kingdom 1951–1952 0
## 3 Kenny Acheson United Kingdom 1983, 1985 0
## 4 Andrea de Adamich Italy 1968, 1970–1973 0
## 5 Philippe Adams Belgium 1994 0
## 6 Walt Ader United States 1950 0
## # ℹ 7 more variables: `Race entries` <chr>, `Race starts` <chr>,
## # `Pole positions` <chr>, `Race wins` <chr>, Podiums <chr>,
## # `Fastest laps` <chr>, `Points[a]` <chr>- trích xuất số lần chiến thắng không tính năm
drivers_F1$`Drivers' Championships` <- substr(drivers_F1$`Drivers' Championships`,
start = 1, stop = 1) # trích xuất kí tự đầu tiên ở mục số lần vô địch vì trong mục này sẽ có năm nên chỉ lấy kí tự đầu tiên nghĩa là lấy số lần vô địch
write.csv(drivers_F1, "F1_drivers.csv", row.names = FALSE)- Sắp xếp theo thứ tự giảm dần số lần vô địch của các quốc gia
drivers_F1 %>%
group_by(Nationality) %>%
summarise(championship_country = sum(as.double(`Drivers' Championships`))) %>%
arrange(desc(championship_country))## Warning: There was 1 warning in `summarise()`.
## ℹ In argument: `championship_country = sum(as.double(`Drivers'
## Championships`))`.
## ℹ In group 31: `Nationality = "Nationality"`.
## Caused by warning:
## ! NAs introduced by coercion## # A tibble: 49 × 2
## Nationality championship_country
## <chr> <dbl>
## 1 United Kingdom 20
## 2 Germany 12
## 3 Brazil 8
## 4 Argentina 5
## 5 Australia 4
## 6 Austria 4
## 7 Finland 4
## 8 France 4
## 9 Italy 3
## 10 Netherlands 2
## # ℹ 39 more rows- Sắp xếp chức vô địch của mỗi người theo thứ tự giảm dần
drivers_F1 %>%
group_by(`Driver name`) %>%
summarise(championship_pilot = sum(as.double(`Drivers' Championships`))) %>%
arrange(desc(championship_pilot))## Warning: There was 1 warning in `summarise()`.
## ℹ In argument: `championship_pilot = sum(as.double(`Drivers' Championships`))`.
## ℹ In group 212: `Driver name = "Driver name"`.
## Caused by warning:
## ! NAs introduced by coercion## # A tibble: 869 × 2
## `Driver name` championship_pilot
## <chr> <dbl>
## 1 Lewis Hamilton~ 7
## 2 Michael Schumacher^ 7
## 3 Juan Manuel Fangio^ 5
## 4 Alain Prost^ 4
## 5 Sebastian Vettel^ 4
## 6 Ayrton Senna^ 3
## 7 Jack Brabham^ 3
## 8 Jackie Stewart^ 3
## 9 Nelson Piquet^ 3
## 10 Niki Lauda^ 3
## # ℹ 859 more rows- Mối quan hệ giữa số lần vô địch từng chặng và số lần vô địch cả cuộc đua
library(ggplot2)## Warning: package 'ggplot2' was built under R version 4.2.3drivers_F1 %>%
filter(`Pole positions` > 1) %>%
ggplot(aes(x = as.double(`Pole positions`), y = as.double(`Drivers' Championships`))) +
geom_point(position = "jitter") +
labs(y = "Championships won", x = "Pole positions") +
theme_minimal()## Warning in FUN(X[[i]], ...): NAs introduced by coercion## Warning in FUN(X[[i]], ...): NAs introduced by coercion
## Warning in FUN(X[[i]], ...): NAs introduced by coercion
## Warning in FUN(X[[i]], ...): NAs introduced by coercion## Warning: Removed 1 rows containing missing values (`geom_point()`).
1.2 10 Indicators
library(WDI)## Warning: package 'WDI' was built under R version 4.2.3- Em sẽ tìm hiểu các indicator về health (sức khỏe)
h <- WDIsearch("health")
data.table::data.table(h)## indicator
## 1: 110600
## 2: 5.13.01.01.hlthsurv
## 3: 5.51.01.06.matern
## 4: 9080000
## 5: BI.EMP.FRML.HE.PB.ZS
## ---
## 300: UIS.ONTRACK.THREE.DOMAINS
## 301: UIS.ONTRACK.THREE.DOMAINS.F
## 302: UIS.ONTRACK.THREE.DOMAINS.GPIA
## 303: UIS.ONTRACK.THREE.DOMAINS.M
## 304: VC.IHR.IPBH.P5
## name
## 1: 110600:HEALTH - HHC (Category)
## 2: Health survey
## 3: Maternal health
## 4: 9080000:ACTUAL HEALTH
## 5: Health workers, as a share of public formal employees
## ---
## 300: Proportion of children aged 24-59 months who are developmentally on track in health, learning and psychosocial well-being, both sexes (%)
## 301: Proportion of children aged 24-59 months who are developmentally on track in health, learning and psychosocial well-being, female (%)
## 302: Proportion of children aged 24-59 months who are developmentally on track in health, learning and psychosocial well-being, adjusted gender parity index (GPIA)
## 303: Proportion of children aged 24-59 months who are developmentally on track in health, learning and psychosocial well-being, male (%)
## 304: Intentional homicides, international public health sources (per 100,000 people)hl <- WDI(indicator = "BI.EMP.FRML.HE.PB.ZS")
htl <- na.omit(hl)
data.table::data.table(htl)## country iso2c iso3c year BI.EMP.FRML.HE.PB.ZS
## 1: Albania AL ALB 2005 0.16654412
## 2: Albania AL ALB 2002 0.15182033
## 3: Argentina AR ARG 2017 0.11470459
## 4: Argentina AR ARG 2014 0.12238789
## 5: Argentina AR ARG 2013 0.11608516
## ---
## 267: Zambia ZM ZMB 2010 0.15530933
## 268: Zambia ZM ZMB 2008 0.14228462
## 269: Zambia ZM ZMB 2004 0.15562588
## 270: Zambia ZM ZMB 2002 0.12312683
## 271: Zimbabwe ZW ZWE 2011 0.08749893- BI.EMP.FRML.HE.PB.ZS là một chỉ số phần trăm liên quan đến tỷ lệ việc làm chính thức trong lĩnh vực công cho những người có trình độ học vấn cao
hvn <- WDI(indicator = "BI.EMP.FRML.HE.PB.ZS",country = "VN")
hvn <- na.omit(hvn)
data.table::data.table(hvn)## country iso2c iso3c year BI.EMP.FRML.HE.PB.ZS
## 1: Vietnam VN VNM 2009 0.07857248
## 2: Vietnam VN VNM 2007 0.06633190- Ta cũng có thể truy cập chỉ số BI.EMP.FRML.HE.PB.ZS của Việt Nam
health2 <- WDI(indicator = "BI.EMP.PUBS.FE.HE.ZS")
health2<- na.omit(health2)
head(health2)## country iso2c iso3c year BI.EMP.PUBS.FE.HE.ZS
## 37 Albania AL ALB 2005 0.9306692
## 40 Albania AL ALB 2002 0.9132696
## 76 Angola AO AGO 2008 0.6703777
## 130 Argentina AR ARG 2017 0.4439777
## 133 Argentina AR ARG 2014 0.4168458
## 134 Argentina AR ARG 2013 0.4162496- BI.EMP.PUBS.FE.HE.ZS là một chỉ số phần trăm liên quan đến tỷ lệ phụ nữ có việc làm trong lĩnh vực công và có trình độ học vấn cao
health3 <- WDI(indicator = "BI.EMP.PWRK.HE.PB.ZS")
health3 <- na.omit(health3)
head(health3)## country iso2c iso3c year BI.EMP.PWRK.HE.PB.ZS
## 37 Albania AL ALB 2005 0.159959465
## 40 Albania AL ALB 2002 0.145354003
## 66 Angola AO AGO 2018 0.001045144
## 70 Angola AO AGO 2014 0.013787351
## 76 Angola AO AGO 2008 0.093683116
## 84 Angola AO AGO 2000 0.107649237- BI.EMP.PWRK.HE.PB.ZS là một chỉ số phần trăm liên quan đến tỷ lệ việc làm có trả lương cho những người có trình độ học vấn cao trong lĩnh vực công
health4 <- WDI(indicator = "BI.EMP.TOTL.HE.PB.ZS")
health4 <- na.omit(health4)
head(health4)## country iso2c iso3c year BI.EMP.TOTL.HE.PB.ZS
## 37 Albania AL ALB 2005 0.159959465
## 40 Albania AL ALB 2002 0.145354003
## 66 Angola AO AGO 2018 0.001045144
## 70 Angola AO AGO 2014 0.013787351
## 76 Angola AO AGO 2008 0.093683116
## 84 Angola AO AGO 2000 0.107649237- BI.EMP.TOTL.HE.PB.ZS là một chỉ số phần trăm liên quan đến tỷ lệ việc làm của những người có trình độ học vấn cao trong lĩnh vực công, tính trên tổng số việc làm
health5 <- WDI(indicator = "BI.PWK.PRVS.HS.ZS")
health5 <- na.omit(health5)
head(health5)## country iso2c iso3c year BI.PWK.PRVS.HS.ZS
## 8 Afghanistan AF AFG 2013 0
## 10 Afghanistan AF AFG 2011 0
## 14 Afghanistan AF AFG 2007 0
## 18 Afghanistan AF AFG 2003 0
## 30 Albania AL ALB 2012 0
## 34 Albania AL ALB 2008 0- BI.PWK.PRVS.HS.ZS là một chỉ số phần trăm liên quan đến tỷ lệ người lao động có việc làm có trả lương trong lĩnh vực tư nhân so với tổng số người lao động
health6 <- WDI(indicator = "BI.PWK.PUBS.HE.FE.ZS")
health6 <- na.omit(health6)
head(health6)## country iso2c iso3c year BI.PWK.PUBS.HE.FE.ZS
## 37 Albania AL ALB 2005 0.7995719
## 40 Albania AL ALB 2002 0.8365431
## 70 Angola AO AGO 2014 0.4822064
## 76 Angola AO AGO 2008 0.6298007
## 84 Angola AO AGO 2000 0.6341168
## 130 Argentina AR ARG 2017 0.6578633- BI.PWK.PUBS.HE.FE.ZS là một chỉ số phần trăm liên quan đến tỷ lệ phụ nữ có việc làm có trả lương trong lĩnh vực công và có trình độ học vấn cao
health7 <- WDI(indicator = "BI.WAG.PREM.HE")
health7 <- na.omit(health7)
head(health7)## country iso2c iso3c year BI.WAG.PREM.HE
## 37 Albania AL ALB 2005 -0.20310804
## 40 Albania AL ALB 2002 0.07844495
## 130 Argentina AR ARG 2017 -0.04820478
## 133 Argentina AR ARG 2014 -0.02954306
## 134 Argentina AR ARG 2013 -0.01467949
## 135 Argentina AR ARG 2012 -0.02485598- BI.WAG.PREM.HE là một chỉ số thống kê liên quan đến sự chênh lệch mức lương dựa trên trình độ học vấn cao so với mức lương trung bình trong một ngành công nghiệp hoặc quốc gia cụ thể
health8 <- WDI(indicator = "CC.TCFD.COMP.HC")
health8 <- na.omit(health8)
head(health8)## country iso2c iso3c year CC.TCFD.COMP.HC
## 836 Australia AUS 2021 1
## 3803 Denmark DNK 2021 3
## 4838 France FRA 2021 1
## 5183 Germany DEU 2021 1
## 6287 India IND 2021 2
## 6701 Israel ISR 2021 1- CC.TCFD.COMP.HC có thể chỉ ra thông tin về công ty hoặc tổ chức trong ngành chăm sóc sức khỏe liên quan đến báo cáo tài chính về các vấn đề liên quan đến biến đổi khí hậu
health9 <- WDI(indicator = "DT.ODA.DACD.HLTH.BAS.CD")
health9 <- na.omit(health9)
head(health9)## country iso2c iso3c year DT.ODA.DACD.HLTH.BAS.CD
## 2 Africa AFR 2011 3458380340
## 3 Africa AFR 2010 3010795885
## 4 Africa AFR 2009 2995521141
## 5 Africa AFR 2008 2550522246
## 6 Africa AFR 2007 1945987680
## 7 Africa AFR 2006 1445580561- DT.ODA.DACD.HLTH.BAS.CD là một mã định danh hoặc mã thống kê liên quan đến dữ liệu cơ bản về hỗ trợ phát triển chính thức trong lĩnh vực chăm sóc sức khỏe
health10 <- WDI(indicator = "FC.XPD.HE.CR")
health10 <- na.omit(health10)
head(health10)## country iso2c iso3c year FC.XPD.HE.CR
## 1 Nanggroe Aceh Darussalam, Prop. 2020 2.019099e+12
## 2 Nanggroe Aceh Darussalam, Prop. 2019 2.369495e+12
## 3 Nanggroe Aceh Darussalam, Prop. 2018 1.957056e+12
## 4 Nanggroe Aceh Darussalam, Prop. 2017 1.718797e+12
## 5 Nanggroe Aceh Darussalam, Prop. 2016 1.377824e+12
## 6 Nanggroe Aceh Darussalam, Prop. 2015 1.510824e+11- FC.XPD.HE.CR là một chỉ số thống kê liên quan đến chi tiêu hiện tại trong lĩnh vực giáo dục cao hơn, bao gồm các khoản chi trong các hoạt động giảng dạy và nghiên cứu ở cấp độ cao hơn trong nền kinh tế
1.3 Fucntion
Tạo một fucntion xếp hạng lượt xem của các bộ phim theo thứ tự giảm dần
# Tạo một dataframe chứa thông tin về các bộ phim
movies <- data.frame(title = c("Phim A", "Phim B", "Phim C", "Phim D"),
view_count = c(500, 1000, 250, 750))
# Sử dụng hàm để xếp hạng các bộ phim
ranked_movies <- rank(movies)
# In kết quả
print(ranked_movies)## title view_count <NA> <NA> <NA> <NA> <NA>
## 5 6 7 8 2 4 1
## <NA>
## 32 Tuần 4
2.1 Đồ thị dạng scatter
library(tidyverse)## Warning: package 'tidyverse' was built under R version 4.2.3## Warning: package 'tibble' was built under R version 4.2.3## Warning: package 'tidyr' was built under R version 4.2.3## Warning: package 'readr' was built under R version 4.2.3## Warning: package 'purrr' was built under R version 4.2.3## Warning: package 'stringr' was built under R version 4.2.3## Warning: package 'forcats' was built under R version 4.2.3## Warning: package 'lubridate' was built under R version 4.2.3## ── Attaching core tidyverse packages ──────────────────────── tidyverse 2.0.0 ──
## ✔ forcats 1.0.0 ✔ stringr 1.5.0
## ✔ lubridate 1.9.2 ✔ tibble 3.2.1
## ✔ purrr 1.0.1 ✔ tidyr 1.3.0
## ✔ readr 2.1.4
## ── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
## ✖ dplyr::filter() masks stats::filter()
## ✖ readr::guess_encoding() masks rvest::guess_encoding()
## ✖ dplyr::lag() masks stats::lag()
## ℹ Use the conflicted package (<http://conflicted.r-lib.org/>) to force all conflicts to become errors- Biểu đồ thể hiện tổng lượng bức xạ mặt trời theo nhiệt độ (point)
airquality |> ggplot(map=aes(x=Solar.R, y=Temp)) +
geom_point(na.rm = T, color = "red") +
xlab('Bức xạ Mặt Trời') +
ylab('Nhiệt độ')
- Biểu đồ thể hiện lượng bức xạ Mặt Trời theo nhiệt độ và mối quan hệ
giữa chúng
airquality |> ggplot(aes(x=Solar.R, y=Temp)) +
geom_smooth(formula = y ~ x, method = 'lm',na.rm =T, color ='green')+
geom_point(na.rm = T,color = "red") +
labs(title = 'Đồ thị dạng scatter',x='Bức xạ Mặt Trời',y='Nhiệt độ')
- Biểu đồ thể hiện tổng lượng bức xạ mặt trời theo nhiệt độ (point &
line)
airquality |> ggplot(aes(x=Solar.R, y=Temp))+
geom_point(na.rm=T,color='red') +
geom_line(na.rm=T,color='purple')+
xlab('Bức xạ Mặt Trời') +
ylab('Nhiệt độ')
- Biểu đồ thể hiện tương quan giữa bức xạ Mặt Trời và tốc độ gió theo
tháng
airquality |> ggplot(aes(x=Solar.R,y=Wind, color = Month)) +
geom_point(na.rm = T)+
xlab('Bức xạ Mặt Trời')+
ylab('Tốc độ gió')
- Biểu tương quan giữa bức xạ Mặt trời và tốc độ gió trong tháng 5
airquality |> ggplot(aes(x=Solar.R,y=Wind))+
geom_point(na.rm=T, color='orange')+
geom_point(data=airquality|> filter(Month == '5'),na.rm =T, color='blue')+
xlab('Bức xạ Mặt Trời')+
ylab('Tốc độ gió')
- Vẽ thành nhiều đồ thị thể hiện mối quan hệ giữa tổng bức xạ mặt trời
và tốc độ gió theo từng tháng
airquality |> ggplot(aes(x=Solar.R,y=Wind))+
geom_point(aes(color=Month), na.rm = T)+
geom_smooth(formula = y ~ x, method = 'lm', na.rm = T)+
facet_grid(.~Month)+
xlab('Bức xạ Mặt Trời')+
ylab('Tốc độ gió')
airquality |> ggplot(aes(x=Solar.R,y=Wind))+
geom_point(aes(color=Month), na.rm = T)+
geom_smooth(formula = y ~ x, method = 'lm', na.rm = T)+
facet_grid(Month~.)+
xlab('Bức xạ Mặt Trời')+
ylab('Tốc độ gió')
2.2 Đồ thị cột
data("diamonds")- Biểu đồ thể hiện chất lượng của kim cương
diamonds|> ggplot(aes(x=cut))+
geom_bar(fill='orange',color='red')
diamonds|>ggplot(aes(x=cut))+
geom_bar(aes(fill=cut),width = 0.5)
- Biểu đồ thể hiện chất lượng của kim cương và độ trong trẻo
diamonds|> ggplot(aes(x=cut))+
geom_bar(aes(fill=clarity))
diamonds|> ggplot(aes(x=cut))+
geom_bar(aes(fill = clarity),position = "dodge")
diamonds|>ggplot(aes(x=cut))+
geom_bar(aes(fill=clarity),position = "dodge")+
coord_flip()
3 Tuần 3
3.1 pivot_longer
library(tidyverse)- bảng tổng hợp dạng long về trung bình lượng ozone trong ngày
airquality_long <- pivot_longer(airquality, cols = -c(Month, Day), names_to = "Variable", values_to = "Value")
ozone_avgD <- airquality_long %>%
filter(Variable == "Ozone") %>%
group_by(Day) %>%
summarize(Average_Ozone = mean(Value, na.rm = TRUE))
print(ozone_avgD)## # A tibble: 31 × 2
## Day Average_Ozone
## <int> <dbl>
## 1 1 77.8
## 2 2 43
## 3 3 33.2
## 4 4 62.3
## 5 5 48.7
## 6 6 41.5
## 7 7 54.2
## 8 8 57
## 9 9 61.4
## 10 10 49.3
## # ℹ 21 more rows3.2 pivot_wider
giống như với long ta tạo ra bảng dạng wide cũng tương tự nhưng dùng lệnh pivot_wider
library(tidyr)
wider_ozoneMontth <- airquality %>%
group_by(Month) %>%
summarise(mean_Ozone = mean(Ozone, na.rm = TRUE)) %>%
pivot_wider(names_from = "Month", values_from = "mean_Ozone")
print(wider_ozoneMontth)## # A tibble: 1 × 5
## `5` `6` `7` `8` `9`
## <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 23.6 29.4 59.1 60.0 31.44 Tuần 2
4.1 Tính các dữ liệu theo tiêu chí thống kê
4.1.1 tính trung bình
- trung bình của số nhiệt độ
mean(airquality$T)## [1] 77.88235- Tính phương sai
var(airquality$T)## [1] 89.59133- Độ lệch chuẩn
sd(airquality$T)## [1] 9.465274.1.2 tính tứ phân vị
q1 <- quantile(airquality$T, prob=0.25)
trungvi <- quantile(airquality$T, prob = 0.5)
q3 <- quantile(airquality$T, prob = 0.75)- Kết quả của tứ phân vị
print(q1)## 25%
## 72print(trungvi)## 50%
## 79print(q3)## 75%
## 854.2 Tóm tắt các thống kê của datashet “airquality”
summary(airquality)## Ozone Solar.R Wind Temp
## Min. : 1.00 Min. : 7.0 Min. : 1.700 Min. :56.00
## 1st Qu.: 18.00 1st Qu.:115.8 1st Qu.: 7.400 1st Qu.:72.00
## Median : 31.50 Median :205.0 Median : 9.700 Median :79.00
## Mean : 42.13 Mean :185.9 Mean : 9.958 Mean :77.88
## 3rd Qu.: 63.25 3rd Qu.:258.8 3rd Qu.:11.500 3rd Qu.:85.00
## Max. :168.00 Max. :334.0 Max. :20.700 Max. :97.00
## NA's :37 NA's :7
## Month Day
## Min. :5.000 Min. : 1.0
## 1st Qu.:6.000 1st Qu.: 8.0
## Median :7.000 Median :16.0
## Mean :6.993 Mean :15.8
## 3rd Qu.:8.000 3rd Qu.:23.0
## Max. :9.000 Max. :31.0
## 5 TUẦN 1
5.1 Giới thiệu về datashet “airquality”
Mô tả: Đo chất lượng không khí hàng ngày ở New York, tháng 5 đến tháng 9 năm 1973. Một khung dữ liệu với 153 quan sát trên 6 biến. Ý nghĩa các biến có trong dữ liệu
Ozone: Nồng độ Ozone tích lũy (ppb)
Solar.R: Tổng lượng bức xạ mặt trời trong đơn vị langley (lang)
Wind: Tốc độ Gió (mph)
Temp: Nhiệt độ (độ F)
Month: số Tháng (5-9)
Day: số Ngày trong tháng (1-31)
Dữ liệu được lấy từ Cục Bảo an Bang New York (dữ liệu ozone) và Dịch vụ Thời tiết Quốc gia (dữ liệu khí tượng).
5.2 Lấy dữ liệu của datashet airquality
data("airquality")5.3 Gán dữ liệu
d <- airquality5.4 mô tả chi tiết kiểu biến số của datashet airquality
str(d)## 'data.frame': 153 obs. of 6 variables:
## $ Ozone : int 41 36 12 18 NA 28 23 19 8 NA ...
## $ Solar.R: int 190 118 149 313 NA NA 299 99 19 194 ...
## $ Wind : num 7.4 8 12.6 11.5 14.3 14.9 8.6 13.8 20.1 8.6 ...
## $ Temp : int 67 72 74 62 56 66 65 59 61 69 ...
## $ Month : int 5 5 5 5 5 5 5 5 5 5 ...
## $ Day : int 1 2 3 4 5 6 7 8 9 10 ...5.5 Các câu lệnh xuất hiện dữ liệu đầu và cuối
5.5.1 hiện 6 dòng đầu tiên của dữ liệu (câu lệnh head)
head(d)## Ozone Solar.R Wind Temp Month Day
## 1 41 190 7.4 67 5 1
## 2 36 118 8.0 72 5 2
## 3 12 149 12.6 74 5 3
## 4 18 313 11.5 62 5 4
## 5 NA NA 14.3 56 5 5
## 6 28 NA 14.9 66 5 65.5.2 hiện 6 dòng cuối của dữ liệu (câu lệnh tail)
tail(d)## Ozone Solar.R Wind Temp Month Day
## 148 14 20 16.6 63 9 25
## 149 30 193 6.9 70 9 26
## 150 NA 145 13.2 77 9 27
## 151 14 191 14.3 75 9 28
## 152 18 131 8.0 76 9 29
## 153 20 223 11.5 68 9 305.6 gán tên viết tắt cho các biến để dễ thao tác
names(d) <- c('O','S','W','T','M','D')5.7 lấy dữ liệu của biến T
Temp <- d$T
#nhiệt độ lớn hơn 80 độ F
Temp <- Temp[Temp>80]
#Nhiệt độ lớn hơn 70 và nhỏ hơn 90 (độ F)
Temp7090 <- Temp[Temp>70&Temp<90]5.8 Phân tổ
Phân tổ Temp thành 4 tổ
table(cut(Temp,4))##
## (81,85] (85,89] (89,93] (93,97]
## 34 17 13 45.9 Lấy dữ liệu từ vị trí xác định
lấy dữ liệu từ vị trí dòng 2 cột 5
d[2,5]## [1] 55.10 Vẽ biểu đồ trong R
biểu đồ cho số gió (W)
barplot(table(d$W),xlab="Wind",ylab="Frequency")