KT

library(reticulate)
use_condaenv("r-reticulate", required = TRUE)
py_config()

## python:         D:/Annaconda/Annaconda3/envs/r-reticulate/python.exe
## libpython:      D:/Annaconda/Annaconda3/envs/r-reticulate/python39.dll
## pythonhome:     D:/Annaconda/Annaconda3/envs/r-reticulate
## version:        3.9.21 (main, Dec 11 2024, 16:35:24) [MSC v.1929 64 bit (AMD64)]
## Architecture:   64bit
## numpy:          D:/Annaconda/Annaconda3/envs/r-reticulate/Lib/site-packages/numpy
## numpy_version:  2.0.2
## 
## NOTE: Python version was forced by use_python() function

R Markdown

set.seed(123)
lambda_val <- 0.5
sample_size <- 400
data <- rexp(sample_size, rate=lambda_val)

# Tính giá trị trung bình và phương sai
mean_val <- mean(data)
var_val <- var(data)
print(paste("Giá trị trung bình:", mean_val))

## [1] "Giá trị trung bình: 1.986143177513"

print(paste("Phương sai:", var_val))

## [1] "Phương sai: 3.48584172675324"

# Vẽ biểu đồ phân phối
hist(data, breaks=30, col="blue", main="Biểu đồ phân phối của mẫu dữ liệu", xlab="Giá trị", ylab="Tần suất", probability=TRUE)
density_data <- density(data)
lines(density_data, col="red")

import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt

# Đọc tập dữ liệu Iris
iris = sns.load_dataset("iris")

# Tính hệ số tương quan giữa chiều dài đài hoa (sepal_length) và chiều dài cánh hoa (petal_length)
correlation = iris["sepal_length"].corr(iris["petal_length"])
print(f"Hệ số tương quan: {correlation}")

## Hệ số tương quan: 0.8717537758865831

# Vẽ biểu đồ scatter giữa chiều dài cánh hoa (petal_length) và chiều rộng cánh hoa (petal_width) theo từng loại hoa
plt.figure(figsize=(8, 5))
sns.scatterplot(
    x="petal_length", y="petal_width", hue="species", data=iris, palette="deep"
)
plt.xlabel("Chiều dài cánh hoa (Petal.Length)")
plt.ylabel("Chiều rộng cánh hoa (Petal.Width)")
plt.title("Biểu đồ scatter giữa Petal.Length và Petal.Width")
plt.show(block=True)