Análisis exploratorio de datos

Análisis exploratorio de Toyota Corolla

En el siguiente análisis se describirá el comportamiento de cada uno de los atributos de la base de datos de Toyota Corolla que podrá ser descargada del siguiente link: https://www.kaggle.com/datasets/tolgahancepel/toyota-corolla/data

#Importamos la base de datos en la variable BD
BD <- read.csv("~/Diplomado/ToyotaCorolla.csv")
#Vemops la estructura de la base de datos
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 ...

#Posteriormente analizaremos cada uno de los atributos
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   N.unique :   3  
##  Median : 9900   Median :61.00   Median : 63390   N.blank  :   0  
##  Mean   :10731   Mean   :55.95   Mean   : 68533   Min.nchar:   3  
##  3rd Qu.:11950   3rd Qu.:70.00   3rd Qu.: 87021   Max.nchar:   6  
##  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

Análisis visual del comportamiento de cada atributo

Se usó el FOR como bucle iterativo para leer cada columna - atributo de la base de datos, y poder automatizar su lectura y gráficas

BDN <- NULL
BDC <- NULL

columna <- dim(BD)[2] # CALCULAR el número de variables
par(mfrow = c(2,columna/2)) #Configurada la pantalla
for(i in 1:columna){
  texto = paste("Analisis del atributo",colnames(BD)[i])
  if (is.numeric(BD[,i]) == TRUE) {
    hist(BD[ ,i],
         main = texto,
         xlab = colnames(BD[i]),
         ylab = "Frecuencia de los rangos",
         col = i)
    BDN <- c(BDN,i)
  }else{
    pie(table(BD[ ,i]),
        main = texto)
    BDC <- c(BDC,i)
  }
}