Mi primer Proyecto

Analisis descriptivo de Toyota Corolla

A continuacion se realiza un analisis descriptivo de Toyota Corolla Esta base de datos, se puede decargar del siguiente link https://www.kaggle.com/datasets/tolgahancepel/toyota-corolla.

#Importar la base de datos de Toyota Corolla y realizar un resumen de la data
BD <- read.csv("C:/Users/User/Downloads/ToyotaCorolla.csv")

##Imprimir la dimension de la base de datos
dim(BD)

## [1] 1436   10

#Los nombres de la base de datos
names(BD)

##  [1] "Price"     "Age"       "KM"        "FuelType"  "HP"        "MetColor" 
##  [7] "Automatic" "CC"        "Doors"     "Weight"

#La cantidad de columnadas de la base de datos
colnames(BD)

##  [1] "Price"     "Age"       "KM"        "FuelType"  "HP"        "MetColor" 
##  [7] "Automatic" "CC"        "Doors"     "Weight"

columna <- dim(BD)[2]
columna

## [1] 10

#La composicion de la data
str(BD)

## 'data.frame':    1436 obs. of  10 variables:
##  $ Price    : int  13500 13750 13950 14950 13750 12950 16900 18600 21500 12950 ...
##  $ Age      : int  23 23 24 26 30 32 27 30 27 23 ...
##  $ KM       : int  46986 72937 41711 48000 38500 61000 94612 75889 19700 71138 ...
##  $ FuelType : chr  "Diesel" "Diesel" "Diesel" "Diesel" ...
##  $ HP       : int  90 90 90 90 90 90 90 90 192 69 ...
##  $ MetColor : int  1 1 1 0 0 0 1 1 0 0 ...
##  $ Automatic: int  0 0 0 0 0 0 0 0 0 0 ...
##  $ CC       : int  2000 2000 2000 2000 2000 2000 2000 2000 1800 1900 ...
##  $ Doors    : int  3 3 3 3 3 3 3 3 3 3 ...
##  $ Weight   : int  1165 1165 1165 1165 1170 1170 1245 1245 1185 1105 ...

#Resumen de los cuartiles de la data
summary(BD)

##      Price            Age              KM           FuelType        
##  Min.   : 4350   Min.   : 1.00   Min.   :     1   Length:1436       
##  1st Qu.: 8450   1st Qu.:44.00   1st Qu.: 43000   Class :character  
##  Median : 9900   Median :61.00   Median : 63390   Mode  :character  
##  Mean   :10731   Mean   :55.95   Mean   : 68533                     
##  3rd Qu.:11950   3rd Qu.:70.00   3rd Qu.: 87021                     
##  Max.   :32500   Max.   :80.00   Max.   :243000                     
##        HP           MetColor        Automatic             CC      
##  Min.   : 69.0   Min.   :0.0000   Min.   :0.00000   Min.   :1300  
##  1st Qu.: 90.0   1st Qu.:0.0000   1st Qu.:0.00000   1st Qu.:1400  
##  Median :110.0   Median :1.0000   Median :0.00000   Median :1600  
##  Mean   :101.5   Mean   :0.6748   Mean   :0.05571   Mean   :1567  
##  3rd Qu.:110.0   3rd Qu.:1.0000   3rd Qu.:0.00000   3rd Qu.:1600  
##  Max.   :192.0   Max.   :1.0000   Max.   :1.00000   Max.   :2000  
##      Doors           Weight    
##  Min.   :2.000   Min.   :1000  
##  1st Qu.:3.000   1st Qu.:1040  
##  Median :4.000   Median :1070  
##  Mean   :4.033   Mean   :1072  
##  3rd Qu.:5.000   3rd Qu.:1085  
##  Max.   :5.000   Max.   :1615

##Grafica de la base de datos

indexn <- NULL
indexc <- NULL
par(mfrow = c(2,5))
for(i in 1:columna){
  
  if(is.numeric(BD[ , i])== TRUE){
    
    titulo <- paste("An.  variable: ", colnames(BD[i]))
    
    hist(BD[ , i], col = i, main = titulo)
    indexn <- c(indexn,i)
    
  } else{
    
    titulo <- paste("An. variable: ", colnames(BD[i]))
    
    pie(table(BD[ , i]), main = titulo)
    
    indexc <- c(indexc,i)
    
  }
  
}

#En las graficas de los valores numericos, podemos observar que poseen sesgos tanto hacia la izquierda, como la derecha. Esto nos muestra la presencia de outliers, valores atipicos, que necesitaran ser tratados para que no afecten el analisis de la data.
#Variable Price, Weight y km, tienen un sesgo hacia la derecha
#Variable Agre y HP, un sesgo hacia la izquierda
#Para el caso de la variable Fuel Type, se puede observar que predomina, Petrol, lo podemos interpretar, como un fin del negocio
#Para las variables dicotomicas, se observa que son MetColor y Automatic