Load the iris dataset

# Paket dataset perlu dimuat untuk mengakses data kami
# Untuk daftar lengkap kumpulan data ini, ketik library(help = "datasets")
library(datasets)
data(iris)
summary(iris)
##   Sepal.Length    Sepal.Width     Petal.Length    Petal.Width   
##  Min.   :4.300   Min.   :2.000   Min.   :1.000   Min.   :0.100  
##  1st Qu.:5.100   1st Qu.:2.800   1st Qu.:1.600   1st Qu.:0.300  
##  Median :5.800   Median :3.000   Median :4.350   Median :1.300  
##  Mean   :5.843   Mean   :3.057   Mean   :3.758   Mean   :1.199  
##  3rd Qu.:6.400   3rd Qu.:3.300   3rd Qu.:5.100   3rd Qu.:1.800  
##  Max.   :7.900   Max.   :4.400   Max.   :6.900   Max.   :2.500  
##        Species  
##  setosa    :50  
##  versicolor:50  
##  virginica :50  
##                 
##                 
##

Fungsi summary() memberikan statistik ringkasan untuk kumpulan data apa pun. Itu juga dapat dipanggil pada satu variabel, bukan pada seluruh dataset. Coba summary(iris$Sepal.Length) dan bandingkan dengan ringkasan di atas.

Atau, Anda mungkin hanya ingin mengetahui nama kolom dari kumpulan data Anda, dalam hal ini Anda dapat menggunakan names(NameOfdataset), yang dalam kasus kami akan terlihat seperti names(iris). Perhatikan juga bahwa setiap nama kolom dalam set data iris memiliki beberapa huruf besar, yang mungkin tidak bisa untuk digunakan. Anda kemudian dapat memanggil fungsi tolower() pada names(iris) untuk membuat perubahan ini. Bagi mereka yang mungkin lebih suka nama kolom huruf besar, fungsi toupper() akan berguna.

The dplyr package Gunakan install.packages(“dplyr”) di dalam console untuk menginstal package ini filter()

names(iris) <- tolower(names(iris))
library(dplyr)
## 
## Attaching package: 'dplyr'
## The following objects are masked from 'package:stats':
## 
##     filter, lag
## The following objects are masked from 'package:base':
## 
##     intersect, setdiff, setequal, union
# filter() data untuk spesies virginica
virginica <- filter(iris, species == "virginica")
head(virginica) # Ini menampilkan enam baris pertama
##   sepal.length sepal.width petal.length petal.width   species
## 1          6.3         3.3          6.0         2.5 virginica
## 2          5.8         2.7          5.1         1.9 virginica
## 3          7.1         3.0          5.9         2.1 virginica
## 4          6.3         2.9          5.6         1.8 virginica
## 5          6.5         3.0          5.8         2.2 virginica
## 6          7.6         3.0          6.6         2.1 virginica
sepalLength6 <- filter(iris, species == "virginica", sepal.length > 6)
tail(sepalLength6)
##    sepal.length sepal.width petal.length petal.width   species
## 36          6.8         3.2          5.9         2.3 virginica
## 37          6.7         3.3          5.7         2.5 virginica
## 38          6.7         3.0          5.2         2.3 virginica
## 39          6.3         2.5          5.0         1.9 virginica
## 40          6.5         3.0          5.2         2.0 virginica
## 41          6.2         3.4          5.4         2.3 virginica

Sintaks untuk menggunakan subset() akan menjadi subset(iris, spesies == “virginica” & sepal.length > 6) dan menggunakan <- untuk menetapkannya ke variabel pilihan, yang dalam kasus ini adalah sepalLength6.

select() Fungsi ini memilih data berdasarkan nama kolom. Dapat memilih sejumlah kolom dengan beberapa cara berbeda.

# select() spesifik kolom
selected <- select(iris, sepal.length, sepal.width, petal.length)
# select semua kolom dari sepal.length to petal.length
selected2 <- select(iris, sepal.length:petal.length)
head(selected, 3)
##   sepal.length sepal.width petal.length
## 1          5.1         3.5          1.4
## 2          4.9         3.0          1.4
## 3          4.7         3.2          1.3

Visualization

plot(iris)

Jika kita ingin memplot variabel tertentu, kita dapat menggunakan plot(x,y) di mana x dan y adalah variabel yang kita minati. history() adalah fungsi lain yang berguna

plot(iris$sepal.width, iris$sepal.length)

hist akan memberi Anda detail tentang lebih banyak argumen

hist(iris$sepal.width)

JELAJAHI VARIABEL INDIVIDU

Frekuensi faktor dapat dihitung dengan tabel fungsi(), dan kemudian diplot sebagai pie chart dengan pie() atau diagram batang dengan barplot().

table(iris$Species)
## < table of extent 0 >
pie(table(iris$species))

JELAJAHI BEBERAPA VARIABEL Setelah memeriksa distribusi variabel individu, kami kemudian menyelidiki hubungan antara dua variabel. Di bawah ini kami menghitung kovarians dan korelasi antar variabel dengan cov() dan cor().

cov(iris$sepal.length, iris$petal.length)
## [1] 1.274315
cov(iris[,1:4])
##              sepal.length sepal.width petal.length petal.width
## sepal.length    0.6856935  -0.0424340    1.2743154   0.5162707
## sepal.width    -0.0424340   0.1899794   -0.3296564  -0.1216394
## petal.length    1.2743154  -0.3296564    3.1162779   1.2956094
## petal.width     0.5162707  -0.1216394    1.2956094   0.5810063
cor(iris$sepal.length, iris$petal.length)
## [1] 0.8717538
cor(iris[,1:4])
##              sepal.length sepal.width petal.length petal.width
## sepal.length    1.0000000  -0.1175698    0.8717538   0.8179411
## sepal.width    -0.1175698   1.0000000   -0.4284401  -0.3661259
## petal.length    0.8717538  -0.4284401    1.0000000   0.9628654
## petal.width     0.8179411  -0.3661259    0.9628654   1.0000000

Selanjutnya, menghitung statistik Sepal.Length dari setiap Spesies dengan agregat().

aggregate(iris$sepal.length ~ iris$species, summary, data=iris)
##   iris$species iris$sepal.length.Min. iris$sepal.length.1st Qu.
## 1       setosa                  4.300                     4.800
## 2   versicolor                  4.900                     5.600
## 3    virginica                  4.900                     6.225
##   iris$sepal.length.Median iris$sepal.length.Mean iris$sepal.length.3rd Qu.
## 1                    5.000                  5.006                     5.200
## 2                    5.900                  5.936                     6.300
## 3                    6.500                  6.588                     6.900
##   iris$sepal.length.Max.
## 1                  5.800
## 2                  7.000
## 3                  7.900

Plot pencar dapat digambar untuk dua variabel numerik dengan plot() seperti di bawah ini. Menggunakan fungsi with(), kita tidak perlu menambahkan “iris$” sebelum nama variabel. Dalam kode di bawah ini, warna (col) dan simbol (pch) titik diatur ke Spesies

with(iris, plot(sepal.length, sepal.width, col=species,pch=as.numeric(species)))

Ketika ada banyak titik, beberapa di antaranya mungkin tumpang tindih. Kita dapat menggunakan jitter() untuk menambahkan kecil jumlah noise pada data sebelum diplot.

plot(jitter(iris$sepal.length), jitter(iris$sepal.width))

Eksplorasi Lainnya Bagian ini menyajikan beberapa plot 3D, plot level, plot kontur, interaktif plot dan koordinat paralel.

Plot 3D menggunakan package scatterplot3d

library(scatterplot3d)
scatterplot3d(iris$petal.width, iris$sepal.length, iris$sepal.width)

dengan dist() dan kemudian plot dengan peta menunjukkan ukuran panas.

distMatrix <- as.matrix(dist(iris[,1:4]))
heatmap(distMatrix)

Save Charts into Files

# Simpan ke PDF File
pdf("myPlot.pdf")
x <- 1:50
plot(x, log(x))
graphics.off()
#
# Simpan ke postscript File
postscript("myPlot2.ps")
x <- -20:20
plot(x, x^2)
graphics.off()

Daftar pustaka

Zhao, Yanchang. (2012). R and Data Mining: Examples and Case Studies.