0.1 Rodzaje struktur danych

0.1.1 Wektory

Zadanie 1. Utwórz wektor danych “wiek” (w latach). Każdy z nich ma mieć 10 obserwacji, dowolne wartości.

wiek <- c(15,25,40,50,60,23,33,36,19,24)

0.1.2 Czynnik

Zadanie 2. Utwórz wektor ryzyko jako czynnik (factor): dla wieku >30 lat “0” o etykiecie “wysokie”, a dla pozostałych “1” o etykiecie “niskie”. Wskazówka: można wykorzystać ifelse.

etykiety <- c("wysokie","niskie")
ryzyko <- factor(ifelse(wiek>30,0,1),labels=etykiety)
ryzyko
##  [1] niskie  niskie  wysokie wysokie wysokie niskie  wysokie wysokie niskie 
## [10] niskie 
## Levels: wysokie niskie

0.1.3 Ramka danych

Zadanie 3. Połącz wiek i ryzyko tworząc nową ramkę danych o nazwie “ramka”. Posortuj obserwacje wg wieku (malejąco).

ramka <- data.frame(wiek, ryzyko)
ramka <- ramka[order(-wiek),]
ramka
##    wiek  ryzyko
## 5    60 wysokie
## 4    50 wysokie
## 3    40 wysokie
## 8    36 wysokie
## 7    33 wysokie
## 2    25  niskie
## 10   24  niskie
## 6    23  niskie
## 9    19  niskie
## 1    15  niskie

0.1.4 Tablice

Zadanie 4. Utwórz tablicę “tablica” z wieku i ryzyka o wymiarach 5 wierszy, 2 kolumny (zmienne), 2 podgrupy o nazwie “Grupa 1.” oraz “Grupa 2”.

nazwy <- c("Grupa1.","Grupa 2.")
nazwy2 <- c("Wiek","Ryzyko")
tablica <- array(c(unlist(ramka[1:5,]),
                   unlist(ramka[6:10,])),
                 dim = c(5,2,2),
                 dimnames = list(NULL,nazwy2,nazwy)
                 )
tablica
## , , Grupa1.
## 
##      Wiek Ryzyko
## [1,]   60      1
## [2,]   50      1
## [3,]   40      1
## [4,]   36      1
## [5,]   33      1
## 
## , , Grupa 2.
## 
##      Wiek Ryzyko
## [1,]   25      2
## [2,]   24      2
## [3,]   23      2
## [4,]   19      2
## [5,]   15      2

0.1.5 Listy

Zadanie 5. Utwórz listę “lista” zawierającą pierwsze 3 elementy każdej z grup w tablicy “tablica” oraz 3 kolory które najbardziej lubisz.

lista <- list(tablica[1:3,,],c("niebieski","żółty","fioletowy"))
names(lista) <- c("tab","kolory")
lista
## $tab
## , , Grupa1.
## 
##      Wiek Ryzyko
## [1,]   60      1
## [2,]   50      1
## [3,]   40      1
## 
## , , Grupa 2.
## 
##      Wiek Ryzyko
## [1,]   25      2
## [2,]   24      2
## [3,]   23      2
## 
## 
## $kolory
## [1] "niebieski" "żółty"     "fioletowy"
lista$tab[2]
## [1] 50
lista$kolory[3]
## [1] "fioletowy"

0.1.6 Macierze

Zadanie 6. Utwórz macierz kwadratową B z cyfr od 1 do 9; macierz kwadratową A 2x3 z cyfr od 1 do 6; macierz C 3x2 z cyfr od 1 do 6. Dodaj do macierzy A wiersz [1,1,1] jako macierz D oraz do macierzy C kolumnę [1,1,1] jako macierz E. Wyświetl tylko trzeci wiersz macierzy E i trzecią kolumnę macierzy D.

B <- matrix(c(1:9),nrow=3, ncol=3)
B
##      [,1] [,2] [,3]
## [1,]    1    4    7
## [2,]    2    5    8
## [3,]    3    6    9
A <- matrix(c(1:6), nrow=2)
A
##      [,1] [,2] [,3]
## [1,]    1    3    5
## [2,]    2    4    6
C <- matrix(c(1:6), nrow=3)
C
##      [,1] [,2]
## [1,]    1    4
## [2,]    2    5
## [3,]    3    6
D <- rbind(A, c(1,1,1))
D
##      [,1] [,2] [,3]
## [1,]    1    3    5
## [2,]    2    4    6
## [3,]    1    1    1
E <- cbind(C, c(1,1,1))
E
##      [,1] [,2] [,3]
## [1,]    1    4    1
## [2,]    2    5    1
## [3,]    3    6    1
E[3,]
## [1] 3 6 1
D[,3]
## [1] 5 6 1

0.2 Analiza opisowa

Zadanie 7. Dokonaj pełnej analizy opisowej dla osób z grupy 1. oraz grupy 2. (średnia, odchylenia, kwartyle, skośność, kurtoza).

#grupa1
library(moments)
summary(tablica[,1,1])
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##    33.0    36.0    40.0    43.8    50.0    60.0
# Średnia wieku dla Grupy 1. wynosi 43,8 lat, pierwszy kwartyl 36, czyli 75% pozostałych osób ma więcej niż 36 lat
sd(tablica[,1,1])
## [1] 11.0995
skewness(tablica[,1,1])
## [1] 0.552025
kurtosis(tablica[,1,1])
## [1] 1.80907
#grupa2
summary(tablica[,1,2])
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##    15.0    19.0    23.0    21.2    24.0    25.0
# Średnia wieku dla Grupy 2. wynosi 21,2 lata, pierwszy kwartyl 19, czyli 75% pozostałych osób ma więcej niż 19 lat.
sd(tablica[,1,2])
## [1] 4.14729
skewness(tablica[,1,2])
## [1] -0.651699
kurtosis(tablica[,1,2])
## [1] 1.88186

Zadanie 8. Przedstaw na histogramach oraz wykresach ramkowych rozkłady wieku osób z wysokim i niskim ryzykiem kredytowym (porównanie - 2 wykresy obok siebie).

par(mfrow=c(1,2))
hist(ramka$wiek,prob=TRUE,xlab="wiek",ylab="ryzyko",main="Ryzyko kredytowe względem wieku")
boxplot(ramka$wiek~ramka$ryzyko,xlab="ryzyko",ylab="wiek",main="Ryzyko kredytowe względem wieku")

0.3 Fajki

0.3.1 Fajka bazowa

Przykład. Dane dotyczą prawie 985 transakcji sprzedaży mieszkań z Sacramento (Kalifornia,USA). Poniżej pokazano przykład wykorzystania fajki bazowej R “|>”: wykres logarytmu gęstości cen.

price |> 
  log() |>
  density() |>
  plot()

0.3.2 Fajka %>%

Przykład. Wykreśl histogram cen sprzedaży mieszkań (“Condo”) z dwiema sypialniami.

Filtry z dplyr działają na całej ramce danych, stąd by wykreślić ceny musimy użyć pakietu ggplot2:

Bez użycia filtra i fajek nie ma takiej potrzeby: