R语言—数据分析1

Posted 2021-04-27 三只产品数据汪1

本章内容是以案例的形式提供。

本案例将介绍一些数据挖掘的基本任务：数据预处理，探索性数据分析和预测性模型的构建。（本案例内容会持续更新）

 

一：问题描述与目标

高浓度的藻类，对河流的生态环境的破坏很严重。针对这一问题，在一年内，不同的时间收集了多条不同河流的水样。

数据说明：每条记录有11个变量构成。其中3个变量是名义变量，描述水样手机的季节，收集样品的河流大小，河水速度；剩下的8个变量观测水样的不同化学参数，即

最大PH值

最小含氧量（O₂）

平均氯化物含量（Cl）

平均硝酸盐含量（NO₃^-）

平均氨含量（NH₄⁺）

平均正磷酸盐含量（PO₄^3-）

平均磷酸盐含量（PO₄）

平均叶绿素含量

二：数据加载

我们用R提供的包，输入下面两行代码即可。

函数head（）显示数据框的前6行。

2.1探索数据，获取数据统计特征，如下获取数据描述性统计摘要：

展示变量的最大值，最小值，中位置，四分位置等特征

该指令是绘制变量mxPH的直方图，设置prob=T ，可以得知每个取值区间的概率（直方图的面积之和为1），如果prob= FALSE，或者忽略该参数，他将给出频数图。

如果可知，mxPH的分布非常接近正态分布。现在通过Q-Q图检验该变量是否为正态分布,输入如下命令：

Q-Q图，他绘制变量值和正态分布的理论分位数（实线）的散点图。同时给出正态分布95%置信区间的带状图（虚线），由图可知，变量有几个小的值明显在95%置信区间之外，他们不服从正态分布。

 

知识点：

• 函数rug()执行绘制，

• 函数jitter()对要绘制的原始值略微进行随机排列

• 正态分布，95%置信区间

• 函数head()

• 函数summary()【Hmisc（），describe（）同样作用】

• hist();设置prob= T ，可以得知每个取值区间的概率（直方图的面积之和为1），如果prob = FALSE，或者忽略该参数，他将给出频数图。

• Q-Q图

以上为本次更新内容~

数据检验还有其他方法，如箱线图，分为箱图，下期更新~~