Data Explorer

Teoría

La librería Data Explorer es la la mas conocida para el análisis exploratorio. Es muy simple de usar y muy poderosa, pues ofrece como salida un informe con mucha información.

La función para crear el informe es create_reporte, y para ver cada gráfica de forma individual, las funciones son:

• introduce()
• plot_intro()
• plto_boxplot()
• plot_missing()
• plot_histogram()
• plot_bar()
• plot_correlation()

Instalar parquetes y llamar librerías

# install.packages("DataExplorer")
library(DataExplorer)

## Warning: package 'DataExplorer' was built under R version 4.3.2

#install.packages("nycflights13")
 library(nycflights13)

Contexto

El paquete nycflights13 contiene información sobre todos los buelos que partieron desde Nueva York (EWR, JFK, LGA) a destinos en los Estados Unidos en 2013. Fueron 336,776 vuelos en totaL.

Las tablas de este paquete y sus relaciones son las siguientes:

flights <- flights
weather <- weather
planes <- planes
airports <- airports
airlines <- airlines
df <- merge(flights, airlines, by = "carrier")
df <- merge(df, planes, by = "tailnum")

Contexto

# create_report(df)
introduce(df)

##     rows columns discrete_columns continuous_columns all_missing_columns
## 1 284170      28               10                 18                   0
##   total_missing_values complete_rows total_observations memory_usage
## 1               311768           920            7956760     50225296

plot_intro(df)

#plot_boxplot(df)
plot_missing(df)

plot_histogram(df)

plot_bar(df)

## 4 columns ignored with more than 50 categories.
## tailnum: 3322 categories
## dest: 104 categories
## time_hour: 6934 categories
## model: 127 categories

plot_correlation(df)

## 5 features with more than 20 categories ignored!
## tailnum: 3322 categories
## dest: 104 categories
## time_hour: 6934 categories
## manufacturer: 35 categories
## model: 127 categories

## Warning in cor(x = structure(list(year.x = c(2013L, 2013L, 2013L, 2013L, : the
## standard deviation is zero