Аналітичний звіт

Author

Максим Яновський

Published

May 15, 2024

knitr::opts_chunk$set()

# Встановлення бібліотек, якщо вони ще не встановлені
if (!require("ggplot2", quietly = TRUE)) install.packages("ggplot2", dependencies = TRUE)
if (!require("dplyr", quietly = TRUE)) install.packages("dplyr", dependencies = TRUE)


Присоединяю пакет: 'dplyr'

Следующие объекты скрыты от 'package:stats':

    filter, lag

Следующие объекты скрыты от 'package:base':

    intersect, setdiff, setequal, union

if (!require("kableExtra", quietly = TRUE)) install.packages("kableExtra", dependencies = TRUE)


Присоединяю пакет: 'kableExtra'

Следующий объект скрыт от 'package:dplyr':

    group_rows

library(ggplot2)
library(dplyr)
library(kableExtra)
library(knitr)

# Завантаження даних
data <- read.csv("https://archive.ics.uci.edu/ml/machine-learning-databases/autos/imports-85.data", header = FALSE, na.strings = "?")

# Встановлення назв стовпців
names(data) <- c("symboling", "normalized_losses", "make", "fuel_type", "aspiration", "num_of_doors", 
                 "body_style", "drive_wheels", "engine_location", "wheel_base", "length", "width", "height", 
                 "curb_weight", "engine_type", "num_of_cylinders", "engine_size", "fuel_system", "bore", "stroke", 
                 "compression_ratio", "horsepower", "peak_rpm", "city_mpg", "highway_mpg", "price")

# Перетворення стовпців і обробка NA
data$price <- as.numeric(as.character(data$price))
data$horsepower <- as.numeric(as.character(data$horsepower))
data$city_mpg <- as.numeric(as.character(data$city_mpg))
data$highway_mpg <- as.numeric(as.character(data$highway_mpg))
data$price[is.na(data$price)] <- mean(data$price, na.rm = TRUE)
data$horsepower[is.na(data$horsepower)] <- mean(data$horsepower, na.rm = TRUE)
data$city_mpg[is.na(data$city_mpg)] <- mean(data$city_mpg, na.rm = TRUE)
data$highway_mpg[is.na(data$highway_mpg)] <- mean(data$highway_mpg, na.rm = TRUE)

Вивід таблиці (загальні данні)

summary_table <- summary(data)

# Використання kable і kableExtra для кращого відображення таблиці
summary_table %>%
  kable("html", table.attr = "class='scrollable_table'", caption = "Підсумкові статистики даних") %>%
  kable_styling(bootstrap_options = c("striped", "hover", "condensed", "responsive"), full_width = F, fixed_thead = T)

Підсумкові статистики даних
symboling	normalized_losses	make	fuel_type	aspiration	num_of_doors	body_style	drive_wheels	engine_location	wheel_base	length	width	height	curb_weight	engine_type	num_of_cylinders	engine_size	fuel_system	bore	stroke	compression_ratio	horsepower	peak_rpm	city_mpg	highway_mpg	price
Min. :-2.0000	Min. : 65	Length:205	Length:205	Length:205	Length:205	Length:205	Length:205	Length:205	Min. : 86.60	Min. :141.1	Min. :60.30	Min. :47.80	Min. :1488	Length:205	Length:205	Min. : 61.0	Length:205	Min. :2.54	Min. :2.070	Min. : 7.00	Min. : 48.0	Min. :4150	Min. :13.00	Min. :16.00	Min. : 5118
1st Qu.: 0.0000	1st Qu.: 94	Class :character	Class :character	Class :character	Class :character	Class :character	Class :character	Class :character	1st Qu.: 94.50	1st Qu.:166.3	1st Qu.:64.10	1st Qu.:52.00	1st Qu.:2145	Class :character	Class :character	1st Qu.: 97.0	Class :character	1st Qu.:3.15	1st Qu.:3.110	1st Qu.: 8.60	1st Qu.: 70.0	1st Qu.:4800	1st Qu.:19.00	1st Qu.:25.00	1st Qu.: 7788
Median : 1.0000	Median :115	Mode :character	Mode :character	Mode :character	Mode :character	Mode :character	Mode :character	Mode :character	Median : 97.00	Median :173.2	Median :65.50	Median :54.10	Median :2414	Mode :character	Mode :character	Median :120.0	Mode :character	Median :3.31	Median :3.290	Median : 9.00	Median : 95.0	Median :5200	Median :24.00	Median :30.00	Median :10595
Mean : 0.8341	Mean :122	NA	NA	NA	NA	NA	NA	NA	Mean : 98.76	Mean :174.0	Mean :65.91	Mean :53.72	Mean :2556	NA	NA	Mean :126.9	NA	Mean :3.33	Mean :3.255	Mean :10.14	Mean :104.3	Mean :5125	Mean :25.22	Mean :30.75	Mean :13207
3rd Qu.: 2.0000	3rd Qu.:150	NA	NA	NA	NA	NA	NA	NA	3rd Qu.:102.40	3rd Qu.:183.1	3rd Qu.:66.90	3rd Qu.:55.50	3rd Qu.:2935	NA	NA	3rd Qu.:141.0	NA	3rd Qu.:3.59	3rd Qu.:3.410	3rd Qu.: 9.40	3rd Qu.:116.0	3rd Qu.:5500	3rd Qu.:30.00	3rd Qu.:34.00	3rd Qu.:16500
Max. : 3.0000	Max. :256	NA	NA	NA	NA	NA	NA	NA	Max. :120.90	Max. :208.1	Max. :72.30	Max. :59.80	Max. :4066	NA	NA	Max. :326.0	NA	Max. :3.94	Max. :4.170	Max. :23.00	Max. :288.0	Max. :6600	Max. :49.00	Max. :54.00	Max. :45400
NA	NA's :41	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA's :4	NA's :4	NA	NA	NA's :2	NA	NA	NA

# Обробка і вивід середніх значень
avg_params <- data %>%
  group_by(fuel_type) %>%
  summarize(avg_price = mean(price, na.rm = TRUE),
            avg_horsepower = mean(horsepower, na.rm = TRUE),
            avg_city_mpg = mean(city_mpg, na.rm = TRUE),
            avg_highway_mpg = mean(highway_mpg, na.rm = TRUE))

Вивід таблиці з даними

kable(avg_params, "html", table.attr = "class='scrollable_table'", caption = "Середні значення параметрів автомобілів за типом палива") %>%
  kable_styling(bootstrap_options = c("striped", "hover", "condensed", "responsive"), full_width = F, fixed_thead = T)

Середні значення параметрів автомобілів за типом палива
fuel_type	avg_price	avg_horsepower	avg_city_mpg	avg_highway_mpg
diesel	15838.15	84.4500	30.30000	34.75000
gas	12922.69	106.3974	24.67027	30.31892

Візуалізація данних

1.Залежність витрати палива в місті від витрати палива на трасі

# Візуалізація залежності витрати палива в місті від витрати палива на трасі
ggplot(data, aes(x = city_mpg, y = highway_mpg)) +
  geom_point(color = "green") +
  geom_smooth(method = "lm", formula = y ~ x, show.legend = FALSE, color = "blue") +
  labs(x = "Витрата палива в місті (mpg)",
       y = "Витрата палива на трасі (mpg)") +
  theme_minimal()

2.Залежність ціни автомобілів від довжини

ggplot(data, aes(x = length, y = price)) +
  geom_point(color = "orange") +
  geom_smooth(method = "lm", formula = y ~ x, show.legend = FALSE, color = "purple") +
  labs(x = "Довжина",
       y = "Ціна") +
  theme_minimal()

3.Розподіл потужності двигуна

ggplot(data, aes(x = horsepower)) +
  geom_histogram(binwidth = 10, fill = "lightgreen", color = "black") +
  labs(x = "Потужність",
       y = "Частота") +
  theme_minimal()

4.Розподіл цін автомобілів за типом палива

ggplot(data, aes(x = fuel_type, y = price)) +
  geom_boxplot() +
  labs(x = "Тип палива",
       y = "Ціна") +
  theme_minimal()

5.Залежність ціни автомобіля від потужності двигуна

# Візуалізація залежності ціни від потужності двигуна
ggplot(data, aes(x = horsepower, y = price)) +
  geom_point(color = "blue") +
  geom_smooth(method = "lm", formula = y ~ x, show.legend = FALSE, color = "red") +
  labs(x = "Потужність двигуна",
       y = "Ціна") +
  theme_minimal()

6.Середня ціна автомобілів за типом палива

ggplot(avg_params, aes(x = fuel_type)) +
  geom_col(aes(y = avg_price), fill = "blue") +
  labs(x = "Тип палива", y = "Середня ціна") +
  theme_minimal()

7.Середня потужність автомобілів за типом палива

ggplot(avg_params, aes(x = fuel_type)) +
  geom_col(aes(y = avg_horsepower), fill = "green") +
  labs(x = "Тип палива", y = "Середня потужність") +
  theme_minimal()

8.Середня міська витрата палива за типом палива

ggplot(avg_params, aes(x = fuel_type)) +
  geom_col(aes(y = avg_city_mpg), fill = "orange") +
  labs(title = "**Середня міська витрата палива за типом палива**", x = "Тип палива", y = "Середня міська витрата (mpg)") +
  theme_minimal() +
  theme(plot.title = element_text(size = 14, hjust = 0.5))

9.Середня витрата палива на трасі за типом палива

ggplot(avg_params, aes(x = fuel_type)) +
  geom_col(aes(y = avg_highway_mpg), fill = "purple") +
  labs(x = "Тип палива", y = "Середня витрата на трасі (mpg)") +
  theme_minimal()