跳到主要内容

R数据集

提示
  1. R内置数据集：R语言内置了许多数据集，如airquality、AirPassengers、mtcars和iris，通常用于演示R函数的使用。
  2. 显示和操作数据集：在R中，可以通过print()函数直接显示数据集，使用$运算符访问特定变量的值，以及利用sort()和summary()函数对数据进行排序和统计分析。
  3. 数据集的基本信息：使用如dim()、nrow()、ncol()和names()等函数可以获取数据集的维度、行数、列数和变量名称等基本信息。

数据集是以表格形式呈现的数据集合。

R 编程语言内置了大量数据集，通常可用作演示数据，以展示 R 函数的工作方式。

R 中最常用的内置数据集​

在 R 中，我们可以尝试大量数据集，但最常用的内置数据集包括：

  • airquality - 纽约空气质量测量数据
  • AirPassengers - 1949-1960 年间每月航空旅客数量
  • mtcars - 《汽车趋势》杂志汽车路试
  • iris - 埃德加·安德森的鸢尾花数据

这些是一些最常用的内置数据集。如果您想了解其他内置数据集，请访问 R 数据集包。

在本教程中，我们将使用 airquality 数据集来演示 R 中数据集的使用。

显示 R 数据集​

要显示数据集，我们只需在 print() 函数中写上数据集的名称即可。例如，

# 显示 airquality 数据集
print(airquality)

输出

   Ozone Solar.R Wind Temp Month Day
1      41     190  7.4   67     5   1
2      36     118  8.0   72     5   2
3      12     149 12.6   74     5   3
4      18     313 11.5   62     5   4
5      NA      NA 14.3   56     5   5
6      28      NA 14.9   66     5   6
7      23     299  8.6   65     5   7
8      19      99 13.8   59     5   8
9       8      19 20.1   61     5   9
10     NA     194  8.6   69     5  10
11      7      NA  6.9   74     5  11
12     16     256  9.7   69     5  12
13     11     290  9.2   66     5  13
14     14     274 10.9   68     5  14
15     18      65 13.2   58     5  15
16     14     334 11.5   64     5  16
17     34     307 12.0   66     5  17
18      6      78 18.4   57     5  18
19     30     322 11.5   68     5  19
20     11      44  9.7   62     5  20
21      1       8  9.7   59     5  21

这里，我们显示了从 1 到 21 的 airquality 数据集，但总共有 153 个数据集。

该数据集包含了纽约空气质量的测量结果。

获取数据集信息​

[未完，未提供数据集信息部分的文本] 在 R 中，我们可以使用多种函数来获取数据集的信息，例如：数据集的维度、行和列的数量、变量的名称等。例如，

# 使用 dim() 获取数据集的维度
cat("维度：", dim(airquality))

# 使用 nrow() 获取行数
cat("\n行数：", nrow(airquality))

# 使用 ncol() 获取列数
cat("\n列数：", ncol(airquality))

# 使用 names() 获取数据集的变量名称
cat("\n变量名称：", names(airquality))

输出

维度： 153 6
行数： 153
列数： 6
变量名称： Ozone Solar.R Wind Temp Month Day

在上面的例子中，我们使用了多种函数来获取 airquality 数据集的信息。

  • dim() - 返回数据集的维度，即 153 6
  • nrow() - 返回行数（观察值），即 153
  • ncol() - 返回列数（变量），即 6
  • names() - 返回所有变量的名称

在 R 中显示变量的值​

要在 R 中显示指定变量的所有值，我们使用 $ 运算符和变量的名称。例如，

# 显示 Temp 变量的所有值
print(airquality$Temp)

输出

 [1] 67 72 74 62 56 66 65 59 61 69 74 69 66 68 58 64 66 57 68 62 59 73 61 61 57
 [26] 58 57 67 81 79 76 78 74 67 84 85 79 82 87 90 87 93 92 82 80 79 77 72 65 73
 [51] 76 77 76 76 76 75 78 73 80 77 83 84 85 81 84 83 83 88 92 92 89 82 73 81 91
 [76] 80 81 82 84 87 85 74 81 82 86 85 82 86 88 86 83 81 81 81 82 86 85 87 89 90
[101] 90 92 86 86 82 80 79 77 79 76 78 78 77 72 75 79 81 86 88 97 94 96 94 91 92
[126] 93 93 87 84 80 78 75 73 81 76 77 71 71 78 67 76 68 82 64 71 81 69 63 70 77
[151] 75 76 68

在上面的例子中，我们使用了 $ 运算符和变量的名称来显示一个变量的所有值。

airquality$Temp

这里，我们显示了 airquality 数据集中 Temp 变量的所有值。

在 R 中对变量值进行排序​

在 R 中，我们使用 sort() 函数按升序对变量的值进行排序。例如，

# 对 Temp 变量的值进行排序
sort(airquality$Temp)

输出

 [1] 56 57 57 57 58 58 59 59 61 61 61 62 62 63 64 64 65 65 66 66 66 67 67 67 67
 [26] 68 68 68 68 69 69 69 70 71 71 71 72 72 72 73 73 73 73 73 74 74 74 74 75 75
 [51] 75 75 76 76 76 76 76 76 76 76 76 77 77 77 77 77 77 77 78 78 78 78 78 78 79
 [76] 79 79 79 79 79 80 80 80 80 80 81 81 81 81 81 81 81 81 81 81 81 82 82 82 82
[101] 82 82 82 82 82 83 83 83 83 84 84 84 84 84 85 85 85 85 85 86 86 86 86 86 86
[126] 86 87 87 87 87 87 88 88 88 89 89 90 90 90 91 91 92 92 92 92 92 93 93 93 94
[151] 94 96 97

在 R 中获取数据的统计概要​

我们使用 summary() 函数获取数据集的统计信息。

summary() 函数返回六个统计概要：

  • 最小值（min）
  • 第一四分位数（First Quartile）
  • 中位数（Median）
  • 平均数（Mean）
  • 第三四分位数（Third Quartile）
  • 最大值（Max）

让我们看一个例子，

# 获取 Temp 变量的统计概要
summary(airquality$Temp)

输出

  最小值   第一四分位数 中位数  平均数  第三四分位数 最大值
  56.00   72.00     79.00     77.88    85.00      97.00

在上面的例子中，我们使用了 summary() 函数来获取 airquality 数据集中 Temp 变量的统计概要。

这里，

  • 最小值（Min）- 是最小值，即 56.00
  • 第一四分位数（1st Qu.）- 是第一四分位数，即 72.00
  • 中位数（Median）- 是中位数，即 79.00
  • 平均数（Mean）- 是平均值，即 77.88
  • 第三四分位数（3rd Qu.）- 是第三四分位数，即 85.00
  • 最大值（Max）- 是最大值，即 97.00
最后于 更新