Môn R(nhóm 25)
Nguyễn Phúc Hậu & Nguyễn Phước Lộc
2025-10-21
1. Giới thiệu
Báo cáo này trình bày các thao tác phân tích dữ liệu trên bộ dữ liệu
nhóm chọn, gồm:
- Thông tin cơ bản về dữ liệu dữ liệu được tạo ra từ một loạt gồm ba hệ
thống cảm biến (sensor arrays) giống hệt nhau, được xây dựng tùy chỉnh
trên bảng mạch thử nghiệm (breadboard). Mỗi hệ thống cảm biến được kết
nối với một thiết bị Raspberry Pi. Mỗi thiết bị IoT (Internet of Things)
này được đặt tại một vị trí vật lý với các điều kiện môi trường khác
nhau - Phân tích 10 biến
2. Thông tin cơ bản về dữ liệu
2.1 Số biến và số quan sát
library(readxl)
d <- read.csv("C:/Users/HP/OneDrive/HOC HANH/iot_telemetry_data.csv")
View(d) 2.1.1 tổng quan dữ liệu
str(d)## 'data.frame': 405184 obs. of 9 variables:
## $ ts : num 1.59e+09 1.59e+09 1.59e+09 1.59e+09 1.59e+09 ...
## $ device : chr "b8:27:eb:bf:9d:51" "00:0f:00:70:91:0a" "b8:27:eb:bf:9d:51" "1c:bf:ce:15:ec:4d" ...
## $ co : num 0.00496 0.00284 0.00498 0.0044 0.00497 ...
## $ humidity: num 51 76 50.9 76.8 50.9 ...
## $ light : chr "false" "false" "false" "true" ...
## $ lpg : num 0.00765 0.00511 0.00767 0.00702 0.00766 ...
## $ motion : chr "false" "false" "false" "false" ...
## $ smoke : num 0.0204 0.0133 0.0205 0.0186 0.0204 ...
## $ temp : num 22.7 19.7 22.6 27 22.6 ...2.1.2 số biến
ncol(d)## [1] 92.1.3 số quan sát
nrow(d)## [1] 405184##2.1.4 tổng quan về dữ liệu
library(tidyverse)## ── Attaching core tidyverse packages ──────────────────────── tidyverse 2.0.0 ──
## ✔ dplyr 1.1.4 ✔ readr 2.1.5
## ✔ forcats 1.0.1 ✔ stringr 1.5.2
## ✔ ggplot2 4.0.0 ✔ tibble 3.3.0
## ✔ lubridate 1.9.4 ✔ tidyr 1.3.1
## ✔ purrr 1.1.0
## ── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
## ✖ dplyr::filter() masks stats::filter()
## ✖ dplyr::lag() masks stats::lag()
## ℹ Use the conflicted package (<http://conflicted.r-lib.org/>) to force all conflicts to become errorsglimpse(d)## Rows: 405,184
## Columns: 9
## $ ts <dbl> 1594512094, 1594512095, 1594512098, 1594512100, 1594512102, 1…
## $ device <chr> "b8:27:eb:bf:9d:51", "00:0f:00:70:91:0a", "b8:27:eb:bf:9d:51"…
## $ co <dbl> 0.004955939, 0.002840089, 0.004976012, 0.004403027, 0.0049673…
## $ humidity <dbl> 51.0, 76.0, 50.9, 76.8, 50.9, 77.9, 50.9, 76.0, 77.9, 50.9, 5…
## $ light <chr> "false", "false", "false", "true", "false", "true", "false", …
## $ lpg <dbl> 0.007650822, 0.005114383, 0.007673227, 0.007023337, 0.0076635…
## $ motion <chr> "false", "false", "false", "false", "false", "false", "false"…
## $ smoke <dbl> 0.02041127, 0.01327484, 0.02047513, 0.01862823, 0.02044762, 0…
## $ temp <dbl> 22.7, 19.7, 22.6, 27.0, 22.6, 27.0, 22.6, 19.7, 27.0, 22.6, 2…##2.1.5 kiem tra missing value
sum(is.na(d))## [1] 0##2.1.6 kiem tra so quan sát trung lập
sum(duplicated(d))## [1] 13##2.1.7 kiểm tra cụ thể vị trí xuất hiện quan sát trùng lập
d[duplicated(d),""]## NULLliệu kê bao nhiêu biến trùng lặp ở cột device
unique(d$device)## [1] "b8:27:eb:bf:9d:51" "00:0f:00:70:91:0a" "1c:bf:ce:15:ec:4d"##2 thay doi 3 loai device thanh 3 ten khac "thiet bi 1" thiet bi 2" "thiet bi 3"
d$device <- ifelse(d$device == "b8:27:eb:bf:9d:51", "Thiết bị 1",
ifelse(d$device == "00:0f:00:70:91:0a", "Thiết bị 2",
ifelse(d$device == "1c:bf:ce:15:ec:4d", "Thiết bị 3",
d$device)))3.Data cleaning
3.1 tinh gia tri sum , mean , max , min
library(dplyr)
library(tidyr)
stats_frame <- d %>%
summarise(across(where(is.numeric),
list(
Tong = ~sum(., na.rm = TRUE),
Trung_binh = ~mean(., na.rm = TRUE),
Max = ~max(., na.rm = TRUE),
Min = ~min(., na.rm = TRUE)
))) %>%
pivot_longer(everything(),
names_to = c("Bien", "Thong_ke"),
names_sep = "_") %>%
pivot_wider(names_from = "Thong_ke", values_from = "value") %>%
mutate(across(where(is.numeric), ~round(., 2)))## Warning: Expected 2 pieces. Additional pieces discarded in 6 rows [2, 6, 10, 14, 18,
## 22].cat("=== FRAME THỐNG KÊ - FILE d ===\n")## === FRAME THỐNG KÊ - FILE d ===print(stats_frame)## # A tibble: 6 × 5
## Bien Tong Trung Max Min
## <chr> <dbl> <dbl> <dbl> <dbl>
## 1 ts 6.46e14 1594858017. 1595203417. 1594512094.
## 2 co 1.88e 3 0 0.01 0
## 3 humidity 2.45e 7 60.5 99.9 1.1
## 4 lpg 2.93e 3 0.01 0.02 0
## 5 smoke 7.81e 3 0.02 0.05 0.01
## 6 temp 9.10e 6 22.4 30.6 03.2 Tao cot moi lay du lieu tu cot CO
d <- d %>%
mutate(chat_luong = case_when(
co < 0.002 ~ "Rất sạch",
co >= 0.002 & co < 0.004 ~ "Sạch",
co >= 0.004 & co < 0.005 ~ "Trung bình",
co >= 0.005 ~ "ô nhiễm", # Xử lý các giá trị >= 0.005
TRUE ~ "Không xác định" # Xử lý NA hoặc giá trị không hợp lệ
))
library(ggplot2)4.1 Histogram với humidity
ggplot(d, aes(x = humidity)) +
geom_histogram(binwidth = 5, fill = "steelblue", color = "white", alpha = 0.8) +
labs(title = "Phân phối Độ ẩm",
subtitle = "Histogram của cột Humidity",
x = "Độ ẩm (%)",
y = "Tần số") +
theme_minimal()
## 4.2 Pie chart voi light
library(ggplot2)
library(dplyr)4.2.1 Tạo data frame cho biểu đồ
light_data <- d %>%
count(light) %>%
mutate(light_label = ifelse(light, "Có ánh sáng", "Không có ánh sáng"),
percentage = n / sum(n) * 100,
label = paste0(light_label, "\n", n, " (", round(percentage, 1), "%)"))4.2.1 Kiểm tra toàn diện trước khi vẽ
cat("=== KIỂM TRA TOÀN DIỆN ===\n")## === KIỂM TRA TOÀN DIỆN ===4.2.1 Kiểm tra object
cat("1. Class của d:", class(d), "\n")## 1. Class của d: data.framecat("2. Is data frame?", is.data.frame(d), "\n")## 2. Is data frame? TRUEcat("3. Dimensions:", if(!is.null(dim(d))) dim(d) else "No dimensions", "\n")## 3. Dimensions: 405184 10cat("4. Length:", length(d), "\n")## 4. Length: 10cat("5. Names:", names(d), "\n")## 5. Names: ts device co humidity light lpg motion smoke temp chat_luongcat("6. Có cột 'light'?", "light" %in% names(d), "\n")## 6. Có cột 'light'? TRUEif ("light" %in% names(d)) {
cat("7. Class của light:", class(d$light), "\n")
cat("8. Số lượng TRUE:", sum(d$light == TRUE, na.rm = TRUE), "\n")
cat("9. Số lượng FALSE:", sum(d$light == FALSE, na.rm = TRUE), "\n")
cat("10. Số lượng NA:", sum(is.na(d$light)), "\n")}## 7. Class của light: character
## 8. Số lượng TRUE: 0
## 9. Số lượng FALSE: 0
## 10. Số lượng NA: 04.2.1 Fix và vẽ biểu đồ
if (!is.data.frame(d)) {
d <- as.data.frame(d)
cat("\nĐã chuyển đổi thành data frame\n")
}4.2.2 Vẽ biểu đồ tròn (luôn hoạt đông)
pie(table(d$light),
main = "Phân phối Light",
col = c("red", "green"),
labels = c("FALSE", "TRUE"))
## 4.3 Tạo ma trân tương quan giữa 10 biến ## 4.3.1 Tạo ma trân tương
quan giữa 10 biến
library(ggplot2)
library(reshape2)##
## Attaching package: 'reshape2'## The following object is masked from 'package:tidyr':
##
## smiths4.3.2 Chọn 10 biến số
numeric_vars <- names(d)[sapply(d, is.numeric)]
selected_vars <- numeric_vars[1:min(10, length(numeric_vars))]4.3.3 Tính ma trận tương quan
cor_matrix <- cor(d[selected_vars], use = "complete.obs")4.3.4 chuyển thành data frame dài
cor_melted <- melt(cor_matrix)
names(cor_melted) <- c("Var1", "Var2", "Correlation")4.3.5 Heat map với ggplot2
ggplot(cor_melted, aes(x = Var1, y = Var2, fill = Correlation)) +
geom_tile(color = "white") +
geom_text(aes(label = round(Correlation, 2)), color = "black", size = 3) +
scale_fill_gradient2(low = "blue", high = "red", mid = "white",
midpoint = 0, limit = c(-1, 1), space = "Lab",
name = "Tương quan") +
labs(title = "Heat Map Ma trận Tương quan",
x = "", y = "") +
theme_minimal() +
theme(axis.text.x = element_text(angle = 45, hjust = 1),
plot.title = element_text(hjust = 0.5, face = "bold"))
## 4.4 Scatter plot về các biến co , lgp , ts , smoke
data <- data.frame(
co = rnorm(100, mean = 50, sd = 10),
lbg = rnorm(100, mean = 30, sd = 5),
ts = rnorm(100, mean = 70, sd = 15),
smoke = sample(c("Yes", "No"), 100, replace = TRUE)
)4.4.1 Biểu đồ phân tán với ggplot2
library(ggplot2)
ggplot(data, aes(x = co, y = lbg, color = smoke, size = ts)) +
geom_point(alpha = 0.7) +
labs(
title = "Scatter Plot of co vs lbg",
x = "CO Levels",
y = "LBG Levels",
color = "Smoking Status",
size = "TS Levels"
) +
theme_minimal()
library(knitr)