Hoe een dataset samen te vatten in R-dummies

Als u snel een overzicht van uw dataset nodig hebt, kunt u natuurlijk altijd de R-opdracht gebruiken str () en bekijk de structuur. Maar dit vertelt u alleen iets over de klassen van uw variabelen en het aantal waarnemingen. Ook geeft de functie head () u op zijn best een idee van de manier waarop de gegevens in de dataset worden opgeslagen.

De uitvoer ophalen

Als u een beter idee wilt krijgen van de verdeling van uw variabelen in de gegevensset, gebruikt u de functie samenvatting () als volgt:

>> samenvatting (auto's) mpg-cilinder versnelling Min.: 10. 40 Min.: 4. 000 auto: 13 3: 15 1e Qu.: 15. 43 1e Qu.: 4. 000 handleiding: 19 4: 12 Mediaan: 19. 20 Mediaan: 6. 000 5: 5 Gemiddelde: 20. 09 Gemiddelde: 6. 188 3e Qu.: 22. 80 3e Qu.: 8. 000 Max.: 33. 90 Max.: 8. 000

De summary () -functie werkt het beste als u R alleen op de opdrachtregel R gebruikt voor het snel scannen van uw dataset. Je moet het niet proberen te gebruiken in een aangepaste functie die je zelf hebt geschreven.

De uitvoer van de samenvatting () functie toont u voor elke variabele een reeks beschrijvende statistieken, afhankelijk van het type van de variabele:

Numerieke variabelen:

• samenvatting () geeft u het bereik, kwartielen, mediaan en gemiddelde. Factorvariabelen:

• samenvatting () geeft u een tabel met frequenties. Numerieke en factorvariabelen:

• samenvatting () geeft u het aantal ontbrekende waarden, indien aanwezig.

  Tekenvariabelen:

• samenvatting () geeft u geen enkele informatie afgezien van de lengte en de klasse (wat 'teken' is). Een probleem oplossen

Hebt u de rare waarden voor de variabele cyl gezien? Een snelle blik op de samenvatting kan u vertellen dat er iets vreemds aan de hand is, omdat bijvoorbeeld het minimum en het eerste kwartiel exact dezelfde waarde hebben. In feite heeft de variabele cilinder slechts drie waarden en zou beter af zijn als een factor. Dus laten we die variabele uit de ellende halen: >> auto's $ cyl