【数据挖掘】练习6：上机题目

练习6：上机题目

一：实验目的与要求

1：了解R语言中各种图形元素的添加方法，并能够灵活应用这些元素。

2：了解R语言中的各种图形函数，掌握常见图形的绘制方法。

二：实验内容

1：某银行在降低贷款拖欠率的数据 bankloan 的示例数据。

2：比较违约与不违约情形不同特征的人群分布。

3：探索不同特征的人群收入与负债的分布情况。口 探索不同特征的人群收入与负债的关系。

三：实验方法与步骤

1）数据预处理，调整数据类型，按照年龄、工龄分组。

2）绘制违约与不违约客户的年龄、教育和工龄的条形图、Cleveland 点图。

3）绘制不同年龄、教育和工龄的客户收入与负债的直方图、核密度图、箱线图、小揭琴图。

4）绘制不同年龄、教育和工龄下客户的收入与负债的散点图。

第1步：读入数据

bankloan <- read.csv(file="bankloan.csv", header=T) bankloan

第2步：按照年龄分组

(agesort <- cut(bankloan$age,c(0,10,20,30,40,50,60)))

第3步：按照工龄分组

(worksort <- cut(bankloan$seniority,c(0,5,10,20,30,40), include.lowest = T))

第4步：绘制违约与不违约客户的年龄条形图

library(ggplot2) ggplot(data=bankloan,aes(x=agesort,fill=agesort))+geom_bar()+facet_wrap(~default)

第5步：绘制违约与不违约客户的教育条形图

ggplot(data=bankloan,aes(x=education,fill=education))+geom_bar()+facet_wrap(~default)

第6步：绘制违约与不违约客户的工龄条形图

ggplot(data=bankloan,aes(x=worksort,fill=worksort))+geom_bar()+facet_wrap(~default)

第7步：绘制违约与不违约客户的年龄Cleveland点图

ggplot(data=bankloan,aes(x=age,y=age))+geom_point()+facet_wrap(~default)

第8步：绘制违约与不违约客户的教育Cleveland点图

ggplot(data=bankloan,aes(x=education,y=education))+geom_point()+facet_wrap(~default)

第9步：绘制违约与不违约客户的工龄Cleveland点图

ggplot(data=bankloan,aes(x=seniority,y=seniority))+geom_point()+facet_wrap(~default)

 

第10步：绘制不同年龄的客户收入与负债的直方图

ggplot(data=bankloan,aes(x=age,group=factor(income)))+geom_histogram()

第11步：绘制不同教育的客户收入与负债的直方图

ggplot(data=bankloan,aes(x=education,group=factor(income)))+geom_histogram()

第12步：绘制不同工龄的客户收入与负债的直方图

ggplot(data=bankloan,aes(x=seniority,group=factor(income)))+geom_histogram()

第13步：绘制不同年龄的客户收入与负债的核密度图

ggplot(data=bankloan,aes(x=income,group=factor(age),colour=factor(age)))+geom_density() ggplot(data=bankloan,aes(x=debt_rate,group=factor(age),colour=factor(age)))+geom_density()

第14步：绘制不同教育的客户收入与负债的核密度图

ggplot(data=bankloan,aes(x=income,group=factor(education),colour=factor(education)))+geom_density() ggplot(data=bankloan,aes(x=debt_rate,group=factor(education),colour=factor(education)))+geom_density()

第15步：绘制不同工龄的客户收入与负债的核密度图

ggplot(data=bankloan,aes(x=income,group=factor(seniority),colour=factor(seniority)))+geom_density() ggplot(data=bankloan,aes(x=debt_rate,group=factor(seniority),colour=factor(seniority)))+geom_density()

 

第16步：绘制不同年龄的客户收入与负债的箱线图

ggplot(bankloan,aes(x=age,y=income))+geom_boxplot() ggplot(bankloan,aes(x=age,y=debt_rate))+geom_boxplot()

第17步：绘制不同教育的客户收入与负债的箱线图

ggplot(bankloan,aes(x=education,y=income))+geom_boxplot() ggplot(bankloan,aes(x=education,y=debt_rate))+geom_boxplot()

第18步：绘制不同工龄的客户收入与负债的箱线图

ggplot(bankloan,aes(x=seniority,y=income))+geom_boxplot() ggplot(bankloan,aes(x=seniority,y=debt_rate))+geom_boxplot()

第19步：绘制不同年龄的客户收入与负债的小揭琴图

ggplot(bankloan,aes(factor(age),income))+geom_violin() ggplot(bankloan,aes(factor(age),debt_rate))+geom_violin()

第20步：绘制不同教育的客户收入与负债的小揭琴图

ggplot(bankloan,aes(factor(education),income))+geom_violin()

第21步：绘制不同工龄的客户收入与负债的小揭琴图

ggplot(bankloan,aes(factor(seniority),income))+geom_violin() ggplot(bankloan,aes(factor(seniority),debt_rate))+geom_violin()

 

 

第22步：绘制不同年龄下客户的收入与负债的散点图。

ggplot(bankloan,aes(income,debt_rate))+geom_point(aes(colour=factor(age)))

第23步：绘制不同教育下客户的收入与负债的散点图。

ggplot(bankloan,aes(income,debt_rate))+geom_point(aes(colour=factor(education)))

第24步：绘制不同工龄下客户的收入与负债的散点图。

ggplot(bankloan,aes(income,debt_rate))+geom_point(aes(colour=factor(seniority)))

四：思考与实验总结

1）如何选择绘制的图形类型？

选择绘制的图形类型通常取决于数据的类型和分析的目的。

柱状图（Bar Plot）：用于显示不同类别之间的频数或数量关系。适用于比较类别变量之间的差异。

折线图（Line Plot）：用于显示连续变量随时间或其他有序变量的变化。适用于显示趋势和变化的方向。

散点图（Scatter Plot）：用于显示两个连续变量之间的关系。适用于发现变量之间的相关性和观察异常值。

箱线图（Box Plot）：用于显示连续变量的分布情况，包括中位数、四分位数和异常值。适用于比较多个组的分布，并识别异常值。

直方图（Histogram）：用于显示连续变量的分布情况。适用于了解数据的分布形状和集中程度。

密度图（Density Plot）：用于显示连续变量的分布密度估计。适用于比较两个或多个分布，并观察它们之间的重叠程度。

小提琴图（Violin Plot）：结合了箱线图和密度图的特点，展示了数据的分布形状和中位数。适用于比较多个组的分布，并观察它们之间的差异。

Cleveland 点图（Cleveland Dot Plot）：用于显示类别变量和连续变量之间的关系。适用于显示组内变量的分布情况和组间的差异。

2）如何向原始图形添加合适的图形元素，使图形简单明了且更能表达数据含义？

添加合适的图形元素可以帮助图形更加清晰地传达数据的含义。常见的图形元素如下：

标题（Title）：描述图形内容和目的，使读者可以快速理解图形。

坐标轴标签（Axis Labels）：标明 x 轴和 y 轴的含义，提供数据的单位或范围。

图例（Legend）：用于解释图形中的颜色或图案代表的含义，特别适用于多组数据的比较。

参考线（Reference Lines）：在图形中添加水平线或垂直线，表示特定数值或阈值，有助于对比数据和发现模式。

数据标签（Data Labels）：在图形中添加数据点的数值标签，使得读者可以直观地了解数据。

注释（Annotations）：添加文字说明或箭头指向特定数据点或趋势，提供更多背景信息或关键观察。

图形形状（Geometric Shapes）：在图形中添加几何形状，如矩形、圆形等，以突出或强调特定区域或数据。

背景色（Background Color）：调整图形背景色，使得图形更具对比度或吸引力。