1 Consider the dataset Sonar from package mlbench. Calculate the coefficient of variation of variables V1 to V60 using any apply family function.
library(mlbench)
data("Sonar")
d=Sonar
x<-c(12,32,21,34,45,56,NA,89,NA,87)
covar <- function(x) {
mu=mean(x,na.rm = T)
si=sd(x,na.rm=T)
cv=si/mu
cv
}
apply(Sonar[,1:60],2,covar)
## V1 V2 V3 V4 V5 V6 V7
## 0.7883335 0.8575155 0.8767094 0.8633507 0.7387020 0.5652226 0.5075121
## V8 V9 V10 V11 V12 V13 V14
## 0.6316973 0.6650858 0.6454253 0.5622767 0.5597928 0.5157679 0.5545921
## V15 V16 V17 V18 V19 V20 V21
## 0.6415549 0.6146850 0.6338648 0.5781976 0.5110587 0.4664850 0.4233049
## V22 V23 V24 V25 V26 V27 V28
## 0.4098885 0.3866848 0.3554816 0.3626264 0.3389615 0.3498615 0.3417591
## V29 V30 V31 V32 V33 V34 V35
## 0.3741777 0.3799945 0.4241880 0.4856886 0.4949740 0.5734686 0.6600898
## V36 V37 V38 V39 V40 V41 V42
## 0.6863002 0.6594501 0.6270242 0.6110340 0.5740928 0.5915643 0.6062967
## V43 V44 V45 V46 V47 V48 V49
## 0.5637720 0.6226367 0.7687814 0.8338223 0.7100913 0.6827166 0.6923699
## V50 V51 V52 V53 V54 V55 V56
## 0.6690651 0.7473199 0.7178725 0.6592818 0.6672968 0.7628995 0.6976849
## V57 V58 V59 V60
## 0.7398150 0.8139149 0.7783797 0.7731489
mean=apply(d[,1:60],2,mean)
sd=apply(d[,1:60],2,sd)
cv=sd/mean
cv
## V1 V2 V3 V4 V5 V6 V7
## 0.7883335 0.8575155 0.8767094 0.8633507 0.7387020 0.5652226 0.5075121
## V8 V9 V10 V11 V12 V13 V14
## 0.6316973 0.6650858 0.6454253 0.5622767 0.5597928 0.5157679 0.5545921
## V15 V16 V17 V18 V19 V20 V21
## 0.6415549 0.6146850 0.6338648 0.5781976 0.5110587 0.4664850 0.4233049
## V22 V23 V24 V25 V26 V27 V28
## 0.4098885 0.3866848 0.3554816 0.3626264 0.3389615 0.3498615 0.3417591
## V29 V30 V31 V32 V33 V34 V35
## 0.3741777 0.3799945 0.4241880 0.4856886 0.4949740 0.5734686 0.6600898
## V36 V37 V38 V39 V40 V41 V42
## 0.6863002 0.6594501 0.6270242 0.6110340 0.5740928 0.5915643 0.6062967
## V43 V44 V45 V46 V47 V48 V49
## 0.5637720 0.6226367 0.7687814 0.8338223 0.7100913 0.6827166 0.6923699
## V50 V51 V52 V53 V54 V55 V56
## 0.6690651 0.7473199 0.7178725 0.6592818 0.6672968 0.7628995 0.6976849
## V57 V58 V59 V60
## 0.7398150 0.8139149 0.7783797 0.7731489
2) Obtain Mean - 3 SD and Mean +3 SD for each element in the following list
x<-c(12,32,21,34,45,56,NA,89,NA,87)
rrr <- function(x) {
mu=mean(x,na.rm = T)
si=sd(x,na.rm=T)
f=mu-3*si
g=mu+3*si
}
stdist<-list(binomialDist=rbinom(50000,10000,0.023),PoissonDist=rpois(45000,230),
NormalDist1=rnorm(40000,230,30),NormalDist2=rnorm(40000,230,40))
lapply(stdist,rrr)
## $binomialDist
## [1] 275.1501
##
## $PoissonDist
## [1] 275.4914
##
## $NormalDist1
## [1] 320.3931
##
## $NormalDist2
## [1] 350.9122
3) Obtain Mean and SD for each element in the following list: (Output should be matrix)
stdist<-list(binomialDist=rbinom(50000,10000,0.023),PoissonDist=rpois(45000,230),
NormalDist1=rnorm(40000,230,30),NormalDist2=rnorm(40000,230,40))
rkk <- function(x) {
mu=mean(x,na.rm = T)
si=sd(x,na.rm=T)
}
sapply(stdist,rkk)
## binomialDist PoissonDist NormalDist1 NormalDist2
## 15.00710 15.09979 29.88046 39.80199
4) Consider the dataset Salaries in package carData. Calculate the mean of variable salary for each category in the variable rank.
library(carData)
data("Salaries")
d=Salaries
tapply(d$salary,d$rank,mean)
## AsstProf AssocProf Prof
## 80775.99 93876.44 126772.11
5) Consider the dataset Housing from package Ecdat. Create two datasets out of it in such a way that only numeric remain in one dataset named HousingNum and categorical remain in the dataset HousingFact.
library(Ecdat)
## Loading required package: Ecfun
##
## Attaching package: 'Ecfun'
## The following object is masked from 'package:base':
##
## sign
##
## Attaching package: 'Ecdat'
## The following object is masked from 'package:carData':
##
## Mroz
## The following object is masked from 'package:datasets':
##
## Orange
data("Housing")
d1=Housing
class(d1)
## [1] "data.frame"
names(d1)
## [1] "price" "lotsize" "bedrooms" "bathrms" "stories" "driveway"
## [7] "recroom" "fullbase" "gashw" "airco" "garagepl" "prefarea"
str(d1)
## 'data.frame': 546 obs. of 12 variables:
## $ price : num 42000 38500 49500 60500 61000 66000 66000 69000 83800 88500 ...
## $ lotsize : num 5850 4000 3060 6650 6360 4160 3880 4160 4800 5500 ...
## $ bedrooms: num 3 2 3 3 2 3 3 3 3 3 ...
## $ bathrms : num 1 1 1 1 1 1 2 1 1 2 ...
## $ stories : num 2 1 1 2 1 1 2 3 1 4 ...
## $ driveway: Factor w/ 2 levels "no","yes": 2 2 2 2 2 2 2 2 2 2 ...
## $ recroom : Factor w/ 2 levels "no","yes": 1 1 1 2 1 2 1 1 2 2 ...
## $ fullbase: Factor w/ 2 levels "no","yes": 2 1 1 1 1 2 2 1 2 1 ...
## $ gashw : Factor w/ 2 levels "no","yes": 1 1 1 1 1 1 1 1 1 1 ...
## $ airco : Factor w/ 2 levels "no","yes": 1 1 1 1 1 2 1 1 1 2 ...
## $ garagepl: num 1 0 0 0 0 0 2 0 0 1 ...
## $ prefarea: Factor w/ 2 levels "no","yes": 1 1 1 1 1 1 1 1 1 1 ...
data(Hou)
## Warning in data(Hou): data set 'Hou' not found
listNums<-lapply(d1,is.numeric)
nums<-unlist(listNums)
Housingnum=d1[,nums]
Housingnum
## price lotsize bedrooms bathrms stories garagepl
## 1 42000 5850 3 1 2 1
## 2 38500 4000 2 1 1 0
## 3 49500 3060 3 1 1 0
## 4 60500 6650 3 1 2 0
## 5 61000 6360 2 1 1 0
## 6 66000 4160 3 1 1 0
## 7 66000 3880 3 2 2 2
## 8 69000 4160 3 1 3 0
## 9 83800 4800 3 1 1 0
## 10 88500 5500 3 2 4 1
## 11 90000 7200 3 2 1 3
## 12 30500 3000 2 1 1 0
## 13 27000 1700 3 1 2 0
## 14 36000 2880 3 1 1 0
## 15 37000 3600 2 1 1 0
## 16 37900 3185 2 1 1 0
## 17 40500 3300 3 1 2 1
## 18 40750 5200 4 1 3 0
## 19 45000 3450 1 1 1 0
## 20 45000 3986 2 2 1 1
## 21 48500 4785 3 1 2 1
## 22 65900 4510 4 2 2 0
## 23 37900 4000 3 1 2 0
## 24 38000 3934 2 1 1 0
## 25 42000 4960 2 1 1 0
## 26 42300 3000 2 1 2 0
## 27 43500 3800 2 1 1 0
## 28 44000 4960 2 1 1 0
## 29 44500 3000 3 1 1 0
## 30 44900 4500 3 1 2 0
## 31 45000 3500 2 1 1 0
## 32 48000 3500 4 1 2 2
## 33 49000 4000 2 1 1 0
## 34 51500 4500 2 1 1 0
## 35 61000 6360 2 1 2 0
## 36 61000 4500 2 1 1 2
## 37 61700 4032 2 1 1 0
## 38 67000 5170 3 1 4 0
## 39 82000 5400 4 2 2 2
## 40 54500 3150 2 2 1 0
## 41 66500 3745 3 1 2 0
## 42 70000 4520 3 1 2 0
## 43 82000 4640 4 1 2 1
## 44 92000 8580 5 3 2 2
## 45 38000 2000 2 1 2 0
## 46 44000 2160 3 1 2 0
## 47 41000 3040 2 1 1 0
## 48 43000 3090 3 1 2 0
## 49 48000 4960 4 1 3 0
## 50 54800 3350 3 1 2 0
## 51 55000 5300 5 2 2 0
## 52 57000 4100 4 1 1 0
## 53 68000 9166 2 1 1 2
## 54 95000 4040 3 1 2 1
## 55 38000 3630 3 3 2 0
## 56 25000 3620 2 1 1 0
## 57 25245 2400 3 1 1 0
## 58 56000 7260 3 2 1 3
## 59 35500 4400 3 1 2 0
## 60 30000 2400 3 1 2 0
## 61 48000 4120 2 1 2 0
## 62 48000 4750 2 1 1 0
## 63 52000 4280 2 1 1 2
## 64 54000 4820 3 1 2 0
## 65 56000 5500 4 1 2 0
## 66 60000 5500 3 1 2 0
## 67 60000 5040 3 1 2 0
## 68 67000 6000 2 1 1 1
## 69 47000 2500 2 1 1 0
## 70 70000 4095 3 1 2 0
## 71 45000 4095 2 1 1 2
## 72 51000 3150 3 1 2 0
## 73 32500 1836 2 1 1 0
## 74 34000 2475 3 1 2 0
## 75 35000 3210 3 1 2 0
## 76 36000 3180 3 1 1 0
## 77 45000 1650 3 1 2 0
## 78 47000 3180 4 1 2 0
## 79 55000 3180 2 2 1 2
## 80 63900 6360 2 1 1 1
## 81 50000 4240 3 1 2 0
## 82 35000 3240 2 1 1 1
## 83 50000 3650 3 1 2 0
## 84 43000 3240 3 1 2 2
## 85 55500 3780 2 1 2 0
## 86 57000 6480 3 1 2 1
## 87 60000 5850 2 1 1 2
## 88 78000 3150 3 2 1 0
## 89 35000 3000 2 1 1 1
## 90 44000 3090 2 1 1 0
## 91 47000 6060 3 1 1 0
## 92 58000 5900 4 2 2 1
## 93 163000 7420 4 1 2 2
## 94 128000 8500 3 2 4 2
## 95 123500 8050 3 1 1 1
## 96 39000 6800 2 1 1 0
## 97 53900 8250 3 1 1 2
## 98 59900 8250 3 1 1 3
## 99 35000 3500 2 1 1 0
## 100 43000 2835 2 1 1 0
## 101 57000 4500 3 2 2 0
## 102 79000 3300 3 3 2 0
## 103 125000 4320 3 1 2 2
## 104 132000 3500 4 2 2 2
## 105 58000 4992 3 2 2 2
## 106 43000 4600 2 1 1 0
## 107 48000 3720 2 1 1 0
## 108 58500 3680 3 2 2 0
## 109 73000 3000 3 2 2 0
## 110 63500 3750 2 1 1 0
## 111 43000 5076 3 1 1 0
## 112 46500 4500 2 1 1 0
## 113 92000 5000 3 1 2 0
## 114 75000 4260 4 1 2 0
## 115 75000 6540 4 2 2 0
## 116 85000 3700 4 1 2 0
## 117 93000 3760 3 1 2 2
## 118 94500 4000 3 2 2 1
## 119 106500 4300 3 2 2 1
## 120 116000 6840 5 1 2 1
## 121 61500 4400 2 1 1 1
## 122 80000 10500 4 2 2 1
## 123 37000 4400 2 1 1 0
## 124 59500 4840 3 1 2 1
## 125 70000 4120 2 1 1 1
## 126 95000 4260 4 2 2 0
## 127 117000 5960 3 3 2 1
## 128 122500 8800 3 2 2 2
## 129 123500 4560 3 2 2 1
## 130 127000 4600 3 2 2 2
## 131 35000 4840 2 1 2 0
## 132 44500 3850 3 1 2 0
## 133 49900 4900 3 1 2 0
## 134 50500 3850 3 1 1 2
## 135 65000 3760 3 1 1 2
## 136 90000 6000 4 2 4 1
## 137 46000 4370 3 1 2 0
## 138 35000 7700 2 1 1 0
## 139 26500 2990 2 1 1 1
## 140 43000 3750 3 1 2 0
## 141 56000 3000 3 1 2 0
## 142 40000 2650 3 1 2 1
## 143 51000 4500 4 2 2 2
## 144 51000 4500 2 1 1 0
## 145 57250 4500 3 1 2 0
## 146 44000 4500 2 1 2 1
## 147 61000 2175 3 1 2 0
## 148 62000 4500 3 2 3 1
## 149 80000 4800 5 2 3 0
## 150 50000 4600 4 1 2 0
## 151 59900 3450 3 1 2 1
## 152 35500 3000 3 1 2 0
## 153 37000 3600 2 2 2 1
## 154 42000 3600 3 1 2 1
## 155 48000 3750 3 1 1 0
## 156 60000 2610 4 3 2 0
## 157 60000 2953 3 1 2 0
## 158 60000 2747 4 2 2 0
## 159 62000 1905 5 1 2 0
## 160 63000 3968 3 1 2 0
## 161 63900 3162 3 1 2 1
## 162 130000 6000 4 1 2 2
## 163 25000 2910 3 1 1 0
## 164 50000 2135 3 2 2 0
## 165 52900 3120 3 1 2 0
## 166 62000 4075 3 1 1 2
## 167 73500 3410 3 1 2 0
## 168 38000 2800 3 1 1 0
## 169 46000 2684 2 1 1 1
## 170 48000 3100 3 1 2 0
## 171 52500 3630 2 1 1 0
## 172 32000 1950 3 1 1 0
## 173 38000 2430 3 1 1 0
## 174 46000 4320 3 1 1 1
## 175 50000 3036 3 1 2 0
## 176 57500 3630 3 2 2 2
## 177 70000 5400 4 1 2 0
## 178 69900 3420 4 2 2 2
## 179 74500 3180 3 2 2 2
## 180 42000 3660 4 1 2 0
## 181 60000 4410 2 1 1 1
## 182 50000 3990 3 1 2 0
## 183 58000 4340 3 1 1 0
## 184 63900 3510 3 1 2 0
## 185 28000 3420 5 1 2 0
## 186 54000 3420 2 1 2 1
## 187 44700 5495 3 1 1 0
## 188 47000 3480 4 1 2 1
## 189 50000 7424 3 1 1 0
## 190 57250 3460 4 1 2 0
## 191 67000 3630 3 1 2 2
## 192 52500 3630 2 1 1 0
## 193 42000 3480 3 1 2 1
## 194 57500 3460 3 2 1 1
## 195 33000 3180 2 1 1 0
## 196 34400 3635 2 1 1 0
## 197 40000 3960 3 1 1 0
## 198 40500 4350 3 1 2 1
## 199 46500 3930 2 1 1 0
## 200 52000 3570 3 1 2 0
## 201 53000 3600 3 1 1 1
## 202 53900 2520 5 2 1 1
## 203 50000 3480 3 1 1 0
## 204 55500 3180 4 2 2 0
## 205 56000 3290 2 1 1 1
## 206 60000 4000 4 2 2 0
## 207 60000 2325 3 1 2 0
## 208 69500 4350 2 1 1 0
## 209 72000 3540 2 1 1 0
## 210 92500 3960 3 1 1 2
## 211 40500 2640 2 1 1 1
## 212 42000 2700 2 1 1 0
## 213 47900 2700 3 1 1 0
## 214 52000 3180 3 1 2 0
## 215 62000 3500 4 1 2 2
## 216 41000 3630 2 1 1 0
## 217 138300 6000 4 3 2 2
## 218 42000 3150 3 1 2 0
## 219 47000 3792 4 1 2 0
## 220 64500 3510 3 1 3 0
## 221 46000 3120 3 1 2 0
## 222 58000 3000 4 1 3 2
## 223 70100 4200 3 1 2 1
## 224 78500 2817 4 2 2 1
## 225 87250 3240 4 1 3 1
## 226 70800 2800 3 2 2 1
## 227 56000 3816 2 1 1 2
## 228 48000 3185 2 1 1 2
## 229 68000 6321 3 1 2 1
## 230 79000 3650 3 2 2 2
## 231 80000 4700 4 1 2 1
## 232 87000 6615 4 2 2 1
## 233 25000 3850 3 1 2 0
## 234 32500 3970 1 1 1 0
## 235 36000 3000 2 1 2 0
## 236 42500 4352 4 1 2 1
## 237 43000 3630 4 1 2 3
## 238 50000 3600 6 1 2 1
## 239 26000 3000 2 1 1 2
## 240 30000 3000 4 1 2 0
## 241 34000 2787 4 2 2 0
## 242 52000 3000 2 1 2 0
## 243 70000 4770 3 1 1 0
## 244 27000 3649 2 1 1 0
## 245 32500 3970 3 1 2 0
## 246 37200 2910 2 1 1 0
## 247 38000 3480 2 1 1 1
## 248 42000 6615 3 1 2 0
## 249 44500 3500 2 1 1 0
## 250 45000 3450 3 1 2 0
## 251 48500 3450 3 1 1 2
## 252 52000 3520 2 2 1 0
## 253 53900 6930 4 1 2 1
## 254 60000 4600 3 2 2 1
## 255 61000 4360 4 1 2 0
## 256 64500 3450 3 1 2 1
## 257 71000 4410 4 3 2 2
## 258 75500 4600 2 2 1 2
## 259 33500 3640 2 1 1 0
## 260 41000 6000 2 1 1 0
## 261 41000 5400 4 1 2 0
## 262 46200 3640 4 1 2 0
## 263 48500 3640 2 1 1 0
## 264 48900 4040 2 1 1 0
## 265 50000 3640 2 1 1 1
## 266 51000 3640 2 1 1 0
## 267 52500 5640 2 1 1 0
## 268 52500 3600 2 1 1 0
## 269 54000 3600 2 1 1 0
## 270 59000 4632 4 1 2 0
## 271 60000 3640 3 2 2 0
## 272 63000 4900 2 1 2 0
## 273 64000 4510 4 1 2 2
## 274 64900 4100 2 2 1 0
## 275 65000 3640 3 1 2 0
## 276 66000 5680 3 1 2 1
## 277 70000 6300 3 1 1 2
## 278 65500 4000 3 1 2 1
## 279 57000 3960 3 1 2 0
## 280 52000 5960 3 1 2 0
## 281 54000 5830 2 1 1 2
## 282 74500 4500 4 2 1 2
## 283 90000 4100 3 2 3 2
## 284 45000 6750 2 1 1 0
## 285 45000 9000 3 1 2 2
## 286 65000 2550 3 1 2 0
## 287 55000 7152 3 1 2 0
## 288 62000 6450 4 1 2 0
## 289 30000 3360 2 1 1 1
## 290 34000 3264 2 1 1 0
## 291 38000 4000 3 1 1 0
## 292 39000 4000 3 1 2 1
## 293 45000 3069 2 1 1 1
## 294 47000 4040 2 1 1 0
## 295 47500 4040 2 1 1 1
## 296 49000 3185 2 1 1 2
## 297 50000 5900 2 1 1 1
## 298 50000 3120 3 1 2 1
## 299 52900 5450 2 1 1 0
## 300 53000 4040 2 1 1 0
## 301 55000 4080 2 1 1 0
## 302 56000 8080 3 1 1 2
## 303 58500 4040 2 1 2 1
## 304 59500 4080 3 1 2 2
## 305 60000 5800 3 1 1 2
## 306 64000 5885 2 1 1 1
## 307 67000 9667 4 2 2 1
## 308 68100 3420 4 2 2 0
## 309 70000 5800 2 1 1 0
## 310 72000 7600 4 1 2 2
## 311 57500 5400 3 1 1 3
## 312 69900 4995 4 2 1 0
## 313 70000 3000 3 1 2 0
## 314 75000 5500 3 2 1 0
## 315 76900 6450 3 2 1 0
## 316 78000 6210 4 1 4 0
## 317 80000 5000 3 1 4 0
## 318 82000 5000 3 1 3 0
## 319 83000 5828 4 1 4 0
## 320 83000 5200 3 1 3 0
## 321 83900 5500 3 1 3 1
## 322 88500 6350 3 2 3 0
## 323 93000 8250 3 2 3 0
## 324 98000 6000 3 1 1 1
## 325 98500 7700 3 2 1 2
## 326 99000 8880 3 2 2 1
## 327 101000 8880 2 1 1 1
## 328 110000 6480 3 2 4 2
## 329 115442 7000 3 2 4 2
## 330 120000 8875 3 1 1 1
## 331 124000 7155 3 2 1 2
## 332 175000 8960 4 4 4 3
## 333 50000 7350 2 1 1 1
## 334 55000 3850 2 1 1 0
## 335 60000 7000 3 1 1 3
## 336 61000 7770 2 1 1 1
## 337 106000 7440 3 2 1 0
## 338 155000 7500 3 3 1 2
## 339 141000 8100 4 1 2 2
## 340 62500 3900 3 1 2 0
## 341 70000 2970 3 1 3 0
## 342 73000 3000 3 1 2 0
## 343 80000 10500 2 1 1 1
## 344 80000 5500 3 2 2 1
## 345 88000 4500 3 1 4 0
## 346 49000 3850 3 1 1 0
## 347 52000 4130 3 2 2 2
## 348 59500 4046 3 1 2 1
## 349 60000 4079 3 1 3 0
## 350 64000 4000 3 1 2 2
## 351 64500 9860 3 1 1 0
## 352 68500 7000 3 1 2 0
## 353 78500 7980 3 1 1 2
## 354 86000 6800 2 1 1 2
## 355 86900 4300 6 2 2 0
## 356 75000 10269 3 1 1 1
## 357 78000 6100 3 1 3 0
## 358 95000 6420 3 2 3 0
## 359 97000 12090 4 2 2 2
## 360 107000 6600 3 1 4 3
## 361 130000 6600 4 2 2 1
## 362 145000 8580 4 3 4 2
## 363 175000 9960 3 2 2 2
## 364 72000 10700 3 1 2 0
## 365 84900 15600 3 1 1 2
## 366 99000 13200 2 1 1 1
## 367 114000 9000 4 2 4 2
## 368 120000 7950 5 2 2 2
## 369 145000 16200 5 3 2 0
## 370 79000 6100 3 2 1 2
## 371 82000 6360 3 1 1 2
## 372 85000 6420 3 1 1 0
## 373 100500 6360 4 2 3 2
## 374 122000 6540 4 2 2 2
## 375 126500 6420 3 2 2 1
## 376 133000 6550 4 2 2 1
## 377 140000 5750 3 2 4 1
## 378 190000 7420 4 2 3 2
## 379 84000 7160 3 1 1 2
## 380 97000 4000 3 2 2 0
## 381 103500 9000 4 2 4 1
## 382 112500 6550 3 1 2 0
## 383 140000 13200 3 1 2 2
## 384 74700 7085 3 1 1 2
## 385 78000 6600 4 2 2 0
## 386 78900 6900 3 1 1 0
## 387 83900 11460 3 1 3 2
## 388 85000 7020 3 1 1 2
## 389 85000 6540 3 1 1 2
## 390 86000 8000 3 1 1 2
## 391 86900 9620 3 1 1 2
## 392 94500 10500 3 2 1 1
## 393 96000 5020 3 1 4 0
## 394 106000 7440 3 2 4 1
## 395 72000 6600 3 1 1 0
## 396 74500 7200 3 1 2 1
## 397 77000 6710 3 2 2 1
## 398 80750 6660 4 2 2 1
## 399 82900 7000 3 1 1 2
## 400 85000 7231 3 1 2 0
## 401 92500 7410 3 1 1 2
## 402 76000 7800 3 1 1 2
## 403 77500 6825 3 1 1 0
## 404 80000 6360 3 1 3 0
## 405 80000 6600 4 2 1 0
## 406 86000 6900 3 2 1 0
## 407 87000 6600 3 1 1 2
## 408 87500 6420 3 1 3 0
## 409 89000 6600 3 2 1 0
## 410 89900 6600 3 2 3 0
## 411 90000 9000 3 1 1 1
## 412 95000 6500 3 2 3 0
## 413 112000 6360 3 2 4 0
## 414 31900 5300 3 1 1 0
## 415 52000 2850 3 2 2 0
## 416 90000 6400 3 1 1 1
## 417 100000 11175 3 1 1 1
## 418 91700 6750 2 1 1 2
## 419 174500 7500 4 2 2 3
## 420 94700 6000 3 1 2 1
## 421 68000 10240 2 1 1 2
## 422 80000 5136 3 1 2 0
## 423 61100 3400 3 1 2 2
## 424 62900 2880 3 1 2 0
## 425 65500 3840 3 1 2 1
## 426 66000 2870 2 1 2 0
## 427 49500 5320 2 1 1 1
## 428 50000 3512 2 1 1 1
## 429 53500 3480 2 1 1 0
## 430 58550 3600 3 1 1 0
## 431 64500 3520 2 1 2 0
## 432 65000 5320 3 1 2 0
## 433 69000 6040 3 1 1 2
## 434 73000 11410 2 1 2 0
## 435 75000 8400 3 1 2 2
## 436 75000 5300 4 2 1 0
## 437 132000 7800 3 2 2 0
## 438 60000 3520 3 1 2 0
## 439 65000 5360 3 1 2 2
## 440 69000 6862 3 1 2 2
## 441 51900 3520 3 1 1 2
## 442 57000 4050 2 1 2 0
## 443 65000 3520 3 1 1 0
## 444 79500 4400 4 1 2 2
## 445 72500 5720 2 1 2 0
## 446 104900 11440 4 1 2 1
## 447 114900 7482 3 2 3 1
## 448 120000 5500 4 2 2 1
## 449 58000 4320 3 1 2 2
## 450 67000 5400 2 1 2 0
## 451 67000 4320 3 1 1 0
## 452 69000 4815 2 1 1 0
## 453 73000 6100 3 1 1 0
## 454 73500 7980 3 1 1 1
## 455 74900 6050 3 1 1 0
## 456 75000 3800 3 1 2 1
## 457 79500 5400 5 1 2 0
## 458 120900 6000 3 2 4 0
## 459 44555 2398 3 1 1 0
## 460 47000 2145 3 1 2 0
## 461 47600 2145 3 1 2 0
## 462 49000 2145 3 1 3 0
## 463 49000 2610 3 1 2 0
## 464 49000 1950 3 2 2 0
## 465 49500 2145 3 1 3 0
## 466 52000 2275 3 1 3 0
## 467 54000 2856 3 1 3 0
## 468 55000 2015 3 1 2 0
## 469 55000 2176 2 1 2 0
## 470 56000 2145 4 2 1 0
## 471 60000 2145 3 1 3 1
## 472 60500 2787 3 1 1 0
## 473 50000 9500 3 1 2 3
## 474 64900 4990 4 2 2 0
## 475 93000 6670 3 1 3 0
## 476 85000 6254 4 2 1 1
## 477 61500 10360 2 1 1 1
## 478 88500 5500 3 2 1 2
## 479 88000 5450 4 2 1 0
## 480 89000 5500 3 1 3 1
## 481 89500 6000 4 1 3 0
## 482 95000 5700 3 1 1 2
## 483 95500 6600 2 2 4 0
## 484 51500 4000 2 1 1 0
## 485 62900 4880 3 1 1 2
## 486 118500 4880 4 2 2 1
## 487 42900 8050 2 1 1 0
## 488 44100 8100 2 1 1 1
## 489 47000 5880 3 1 1 1
## 490 50000 5880 2 1 1 0
## 491 50000 12944 3 1 1 0
## 492 53000 6020 3 1 1 0
## 493 53000 4050 2 1 1 0
## 494 54000 8400 2 1 1 1
## 495 58500 5600 2 1 1 0
## 496 59000 5985 3 1 1 0
## 497 60000 4500 3 1 1 0
## 498 62900 4920 3 1 2 1
## 499 64000 8250 3 1 1 0
## 500 65000 8400 4 1 4 3
## 501 67900 6440 2 1 1 3
## 502 68500 8100 4 1 4 2
## 503 70000 6720 3 1 1 0
## 504 70500 5948 3 1 2 0
## 505 71500 8150 3 2 1 0
## 506 71900 4800 2 1 1 0
## 507 75000 9800 4 2 2 2
## 508 75000 8520 3 1 1 2
## 509 87000 8372 3 1 3 2
## 510 64000 4040 3 1 2 1
## 511 70000 4646 3 1 2 2
## 512 47500 4775 4 1 2 0
## 513 62600 4950 4 1 2 0
## 514 66000 5010 3 1 2 0
## 515 58900 6060 2 1 1 1
## 516 53000 3584 2 1 1 0
## 517 95000 6000 3 2 3 0
## 518 96500 6000 4 2 4 0
## 519 101000 6240 4 2 2 1
## 520 102000 6000 3 2 2 1
## 521 103000 7680 4 2 4 1
## 522 105000 6000 4 2 4 1
## 523 108000 6000 4 2 4 1
## 524 110000 6000 4 2 4 2
## 525 113000 6000 4 2 4 1
## 526 120000 7475 3 2 4 2
## 527 105000 5150 3 2 4 2
## 528 106000 6325 3 1 4 1
## 529 107500 6000 3 2 4 1
## 530 108000 6000 3 2 3 0
## 531 113750 6000 3 1 4 2
## 532 120000 7000 3 1 4 2
## 533 70000 12900 3 1 1 2
## 534 71000 7686 3 1 1 0
## 535 82000 5000 3 1 3 0
## 536 82000 5800 3 2 4 0
## 537 82500 6000 3 2 4 0
## 538 83000 4800 3 1 3 0
## 539 84000 6500 3 2 3 0
## 540 85000 7320 4 2 2 0
## 541 85000 6525 3 2 4 1
## 542 91500 4800 3 2 4 0
## 543 94000 6000 3 2 4 0
## 544 103000 6000 3 2 4 1
## 545 105000 6000 3 2 2 1
## 546 105000 6000 3 1 2 1
listNums1<-lapply(d1,is.factor)
nums1<-unlist(listNums1)
HousingFact=d1[,nums1]
HousingFact
## driveway recroom fullbase gashw airco prefarea
## 1 yes no yes no no no
## 2 yes no no no no no
## 3 yes no no no no no
## 4 yes yes no no no no
## 5 yes no no no no no
## 6 yes yes yes no yes no
## 7 yes no yes no no no
## 8 yes no no no no no
## 9 yes yes yes no no no
## 10 yes yes no no yes no
## 11 yes no yes no yes no
## 12 no no no no no no
## 13 yes no no no no no
## 14 no no no no no no
## 15 yes no no no no no
## 16 yes no no no yes no
## 17 no no no no no no
## 18 yes no no no no no
## 19 yes no no no no no
## 20 no yes yes no no no
## 21 yes yes yes no yes no
## 22 yes no yes no no no
## 23 yes no no no yes no
## 24 yes no no no no no
## 25 yes no no no no no
## 26 yes no no no no no
## 27 yes no no no no no
## 28 yes no yes no yes no
## 29 no no no no yes no
## 30 yes no no no yes no
## 31 no no yes no no no
## 32 yes no no no yes no
## 33 yes no no no no no
## 34 yes no no no no no
## 35 yes no no no no no
## 36 yes no no no yes no
## 37 yes no yes no no no
## 38 yes no no no yes no
## 39 yes no no no yes no
## 40 no no yes no no no
## 41 yes no yes no no no
## 42 yes no yes no yes no
## 43 yes no no no no no
## 44 yes no no no no no
## 45 yes no no no no no
## 46 no no yes no no no
## 47 no no no no no no
## 48 no no no no no no
## 49 no no no no no no
## 50 yes no no no no no
## 51 yes no no no no no
## 52 no no yes no no no
## 53 yes no yes no yes no
## 54 yes no yes yes no no
## 55 no yes no no no no
## 56 yes no no no no no
## 57 no no no no no no
## 58 yes yes yes no no no
## 59 yes no no no no no
## 60 yes no no no no no
## 61 yes no no no no no
## 62 yes no no no no no
## 63 yes no no no yes no
## 64 yes no no no no no
## 65 yes yes yes no no no
## 66 yes no no no yes no
## 67 yes no yes no yes no
## 68 yes no yes no yes no
## 69 no no no no yes no
## 70 no yes yes no yes no
## 71 yes no no no no no
## 72 yes no yes no no no
## 73 no no yes no no no
## 74 yes no no no no no
## 75 yes no yes no no no
## 76 no no no no no no
## 77 no no yes no no no
## 78 yes no yes no yes no
## 79 yes no yes no no no
## 80 yes no yes no yes no
## 81 yes no no no yes no
## 82 no yes no no no no
## 83 yes no no no no no
## 84 yes no no no no no
## 85 yes yes yes no no no
## 86 no no no no yes no
## 87 yes yes yes no no no
## 88 yes yes yes no yes no
## 89 yes no no no no no
## 90 yes yes yes no no no
## 91 yes yes yes no no no
## 92 no no yes no no no
## 93 yes yes yes no yes no
## 94 yes no no no yes no
## 95 yes yes yes no yes no
## 96 yes no no no no no
## 97 yes no no no no no
## 98 yes no yes no no no
## 99 yes yes no no no no
## 100 yes no no no no no
## 101 no no yes no yes no
## 102 yes no yes no no no
## 103 yes no yes yes no no
## 104 yes no no yes no no
## 105 yes no no no no no
## 106 yes no no no no no
## 107 no no no no yes no
## 108 yes no no no no no
## 109 yes yes yes no no no
## 110 yes yes yes no no no
## 111 no no no no no no
## 112 no no no no no no
## 113 yes no no no yes no
## 114 yes no yes no yes no
## 115 no no no no yes no
## 116 yes yes no no yes no
## 117 yes no no yes no no
## 118 yes no yes no yes no
## 119 yes no yes no no no
## 120 yes yes yes no yes no
## 121 yes no no no no no
## 122 yes no no no no no
## 123 yes no no no no no
## 124 yes no no no no no
## 125 yes no yes no no no
## 126 yes no no yes no no
## 127 yes yes yes no no no
## 128 yes no no no yes no
## 129 yes yes yes no yes no
## 130 yes yes no no yes no
## 131 yes no no no no no
## 132 yes no no no no no
## 133 no no no no no no
## 134 yes no no no no no
## 135 yes no no no no no
## 136 yes no no no no no
## 137 yes no no no no no
## 138 yes no no no no no
## 139 no no no no no no
## 140 yes no no no no no
## 141 yes no no no no no
## 142 yes no yes no no no
## 143 yes no yes no no no
## 144 no no no no no no
## 145 no no yes no yes no
## 146 yes no no yes no no
## 147 no yes yes no yes no
## 148 yes no no yes no no
## 149 no no yes yes no no
## 150 yes no no no no no
## 151 yes no no no no no
## 152 no no no no no no
## 153 yes no yes no no no
## 154 no no no no no no
## 155 yes no no no no no
## 156 no no no no no no
## 157 yes no yes no yes no
## 158 no no no no no no
## 159 no no yes no no no
## 160 no no no no no no
## 161 yes no no no yes no
## 162 yes no yes no no no
## 163 no no no no no no
## 164 no no no no no no
## 165 no no yes yes no no
## 166 yes yes yes no no no
## 167 no no no no yes no
## 168 yes no no no no no
## 169 yes no no no yes no
## 170 no no yes no no no
## 171 yes no yes no no no
## 172 no no no yes no no
## 173 no no no no no no
## 174 no no no no no no
## 175 yes no yes no no no
## 176 yes no no yes no no
## 177 yes no no no no no
## 178 yes no yes no yes no
## 179 yes no no no no no
## 180 no no no no no no
## 181 no no no no no no
## 182 yes no no no no no
## 183 yes no no no no no
## 184 yes no no no no no
## 185 no no no no no no
## 186 yes no no yes no no
## 187 yes no yes no no no
## 188 no no no no no no
## 189 no no no no no no
## 190 yes no no no yes no
## 191 yes no no no no no
## 192 yes no no no yes no
## 193 no no no no no no
## 194 yes no yes no yes no
## 195 yes no no no no no
## 196 no no no no no no
## 197 yes no no no no no
## 198 no no no yes no no
## 199 no no no no no no
## 200 yes no yes no no no
## 201 yes no no no no no
## 202 no no yes no yes no
## 203 no no no no yes no
## 204 yes no no no no no
## 205 yes no no yes no no
## 206 no no no no no no
## 207 no no no no no no
## 208 yes no yes no no no
## 209 no yes yes no no no
## 210 yes no yes no no no
## 211 no no no no no no
## 212 no no no no no no
## 213 no no no no no no
## 214 no no yes no no no
## 215 yes no no no no no
## 216 yes no no no no no
## 217 yes yes yes yes no no
## 218 no no no no no no
## 219 yes no no no no no
## 220 yes no no no no no
## 221 no no no no no no
## 222 yes no yes no yes no
## 223 yes no no no no no
## 224 no yes yes no no no
## 225 yes no no no no no
## 226 no no yes no yes no
## 227 yes no yes no yes no
## 228 yes no yes no no no
## 229 yes no yes no yes no
## 230 yes no no no no no
## 231 yes yes yes no yes no
## 232 yes yes no yes no no
## 233 yes no no no no no
## 234 no no no no no no
## 235 yes no no no no no
## 236 no no no no no no
## 237 yes no no no no no
## 238 yes no no no no no
## 239 yes no yes no no no
## 240 yes no no no no no
## 241 yes no no no no no
## 242 yes no no no yes no
## 243 yes yes yes no no no
## 244 yes no no no no no
## 245 yes no yes no no no
## 246 no no no no no no
## 247 yes no no no no no
## 248 yes no no no no no
## 249 yes no no no no no
## 250 yes no yes no no no
## 251 yes no yes no no no
## 252 yes no yes no no no
## 253 no no no no no no
## 254 yes no no no yes no
## 255 yes no no no no no
## 256 yes no yes no no no
## 257 yes no yes no no no
## 258 yes no no no yes no
## 259 yes no no no no no
## 260 yes no no no no no
## 261 yes no no no no no
## 262 yes no yes no no no
## 263 yes no no no no no
## 264 yes no no no no no
## 265 yes no no no no no
## 266 yes no no no no no
## 267 no no no no no no
## 268 yes no no no no no
## 269 yes no no no no no
## 270 yes no no no yes no
## 271 yes no yes no no no
## 272 yes no yes no no no
## 273 yes no no no yes no
## 274 yes yes yes no no no
## 275 yes no no no yes no
## 276 yes yes no no yes no
## 277 yes no no no yes no
## 278 yes no no no no no
## 279 yes no no no no no
## 280 yes yes yes no no no
## 281 yes no no no no no
## 282 no no yes no yes no
## 283 yes no no no yes no
## 284 yes no no no no no
## 285 yes no no no no no
## 286 yes no yes no no no
## 287 yes no no no yes no
## 288 yes no no no no no
## 289 yes no no no no no
## 290 yes no no no no no
## 291 yes no no no no no
## 292 yes no no no no no
## 293 yes no no no no no
## 294 yes no no no no no
## 295 yes no no no no no
## 296 yes no no no no no
## 297 yes no no no no no
## 298 yes no no no no no
## 299 yes no no no no no
## 300 yes no no no no no
## 301 yes no no no no no
## 302 yes no no no yes no
## 303 yes no no no no no
## 304 yes no no no no no
## 305 yes no no yes no no
## 306 yes no no no yes no
## 307 yes yes yes no no no
## 308 yes no no no no no
## 309 yes yes yes no yes no
## 310 yes no no no yes no
## 311 yes no no no no no
## 312 yes no yes no no no
## 313 yes no yes no yes no
## 314 yes no yes no no no
## 315 yes yes yes yes no no
## 316 yes yes no no yes no
## 317 yes no no no no no
## 318 yes no no no yes no
## 319 yes yes no no no no
## 320 yes no no no yes no
## 321 yes yes no no yes no
## 322 yes yes no no yes no
## 323 yes no no no yes no
## 324 yes no no no yes no
## 325 yes no no no no no
## 326 yes no yes no yes no
## 327 yes no no no yes no
## 328 yes no no no yes no
## 329 yes no no no yes no
## 330 yes no no no no no
## 331 yes yes yes no yes no
## 332 yes no no no yes no
## 333 yes no no no no no
## 334 yes no no no no no
## 335 yes no no no no no
## 336 yes no no no no no
## 337 yes yes yes no yes yes
## 338 yes no yes no yes yes
## 339 yes yes yes no yes yes
## 340 yes no no no no no
## 341 yes no no no no no
## 342 yes no yes no no no
## 343 yes no no no no no
## 344 yes no no no no no
## 345 yes no no no yes no
## 346 yes no no no no no
## 347 yes no no no no no
## 348 yes no yes no no no
## 349 yes no no no no no
## 350 yes no no no no no
## 351 yes no no no no no
## 352 yes no yes no no no
## 353 yes no no no no no
## 354 yes yes yes no no no
## 355 yes no no no no no
## 356 yes no no no no yes
## 357 yes yes no no yes yes
## 358 yes no no no yes yes
## 359 yes no no no no yes
## 360 yes no no no yes yes
## 361 yes yes yes no yes yes
## 362 yes no no no yes yes
## 363 yes no yes no no yes
## 364 yes yes yes no no no
## 365 yes no no no yes no
## 366 yes no yes yes no no
## 367 yes no no no yes no
## 368 yes no yes yes no no
## 369 yes no no no no no
## 370 yes no yes no no yes
## 371 yes yes yes no yes yes
## 372 yes no yes no yes yes
## 373 yes no no no yes yes
## 374 yes yes yes no yes yes
## 375 yes no no no yes yes
## 376 yes no no no yes yes
## 377 yes yes no no yes yes
## 378 yes no no no yes yes
## 379 yes no yes no no yes
## 380 yes no yes no yes yes
## 381 yes yes no no yes yes
## 382 yes no yes no yes yes
## 383 yes no yes no yes yes
## 384 yes yes yes no no yes
## 385 yes yes yes no no yes
## 386 yes yes yes no no yes
## 387 yes no no no no yes
## 388 yes no yes no yes yes
## 389 yes yes yes no no yes
## 390 yes yes yes no yes yes
## 391 yes no yes no no yes
## 392 yes no yes no yes yes
## 393 yes no no no yes yes
## 394 yes no no no no yes
## 395 yes yes yes no no yes
## 396 yes yes yes no no yes
## 397 yes yes yes no no yes
## 398 yes yes yes no no yes
## 399 yes no yes no no yes
## 400 yes yes yes no yes yes
## 401 yes yes yes no yes yes
## 402 yes no yes no yes yes
## 403 yes yes yes no yes yes
## 404 yes no no no no yes
## 405 yes no yes no no yes
## 406 yes yes yes no no yes
## 407 yes yes yes no no yes
## 408 yes no yes no no yes
## 409 yes no yes no yes yes
## 410 yes no no no yes yes
## 411 yes no yes no no yes
## 412 yes no no no yes yes
## 413 yes no no no yes yes
## 414 no no no no yes yes
## 415 no no yes no no yes
## 416 yes yes yes no yes yes
## 417 yes no yes no yes yes
## 418 yes yes yes no no yes
## 419 yes no yes no yes yes
## 420 yes no no yes no yes
## 421 yes no no no yes yes
## 422 yes yes yes no yes yes
## 423 yes no yes no no yes
## 424 yes no no no no yes
## 425 yes no no no no yes
## 426 yes yes yes no no yes
## 427 yes no no no no yes
## 428 yes no no no no yes
## 429 yes no no no no yes
## 430 yes no yes no yes yes
## 431 yes no no no no yes
## 432 yes yes yes no no yes
## 433 yes no no no no yes
## 434 yes no no no no yes
## 435 yes yes yes no yes yes
## 436 yes no no no yes yes
## 437 yes no no no no yes
## 438 yes no no no no yes
## 439 yes no no no no yes
## 440 yes no no no yes yes
## 441 yes no no no no yes
## 442 yes yes yes no no yes
## 443 yes no no no no yes
## 444 yes no no no yes yes
## 445 yes no no no yes yes
## 446 yes no yes no no yes
## 447 yes no no yes no yes
## 448 yes no yes no yes yes
## 449 yes no no no no yes
## 450 yes no no no no yes
## 451 yes no no no no yes
## 452 yes no no no yes yes
## 453 yes no yes no yes yes
## 454 yes no no no no yes
## 455 yes no yes no no yes
## 456 yes yes yes no no yes
## 457 yes yes yes no yes yes
## 458 yes yes yes no yes yes
## 459 yes no no no no yes
## 460 yes no yes no no yes
## 461 yes no yes no no yes
## 462 yes no no no no yes
## 463 yes no yes no no yes
## 464 yes no yes no no yes
## 465 yes no no no no yes
## 466 yes no no yes yes yes
## 467 yes no no no no yes
## 468 yes no yes no no yes
## 469 yes yes no no no yes
## 470 yes no yes no no yes
## 471 yes no no no no yes
## 472 yes no yes no no yes
## 473 yes no no no no yes
## 474 yes yes yes no no yes
## 475 yes no yes no no yes
## 476 yes no yes no no yes
## 477 yes no no no no yes
## 478 yes yes yes no no yes
## 479 yes no yes no yes yes
## 480 yes no no no no yes
## 481 yes yes yes no no yes
## 482 yes yes yes no yes yes
## 483 yes no yes no no yes
## 484 yes no no no no yes
## 485 yes no no no no yes
## 486 yes no no no yes yes
## 487 yes no no no no no
## 488 yes no no no no no
## 489 yes no no no no no
## 490 yes no no no no no
## 491 yes no no no no no
## 492 yes no no no no no
## 493 yes no no no no no
## 494 yes no no no no no
## 495 yes no no no yes no
## 496 yes no yes no no no
## 497 yes no yes no no no
## 498 yes no no no no no
## 499 yes no no no no no
## 500 yes no no no no no
## 501 yes no no no yes no
## 502 yes no yes no yes no
## 503 yes no no no no no
## 504 yes no no no yes no
## 505 yes yes yes no no no
## 506 yes yes yes no no no
## 507 yes yes no no no no
## 508 yes no no no yes no
## 509 yes no no no yes no
## 510 yes no no no no no
## 511 yes yes yes no no no
## 512 yes no no no no no
## 513 yes no no no yes no
## 514 yes no yes no no no
## 515 yes no yes no no no
## 516 yes no no yes no no
## 517 yes yes no no yes no
## 518 yes no no no yes no
## 519 yes no no no yes no
## 520 yes yes no no no no
## 521 yes yes no no yes no
## 522 yes yes no no yes no
## 523 yes no no no yes no
## 524 yes no no no no no
## 525 yes no no no yes no
## 526 yes no no no yes no
## 527 yes no no no yes no
## 528 yes no no no yes no
## 529 yes no no no yes no
## 530 yes no no no yes no
## 531 yes yes no no yes no
## 532 yes no no no yes no
## 533 yes no no no no no
## 534 yes yes yes yes no no
## 535 yes no no no yes no
## 536 yes no no no yes no
## 537 yes no no no yes no
## 538 yes no no no yes no
## 539 yes no no no yes no
## 540 yes no no no no no
## 541 yes no no no no no
## 542 yes yes no no yes no
## 543 yes no no no yes no
## 544 yes yes no no yes no
## 545 yes yes no no yes no
## 546 yes no no no yes no