R for Data Science总结之——探索性数据分析

R for Data Science总结之——探索性数据分析

通常来说，探索性数据分析分为以下三步：

1. 对数据集提出问题
2. 通过数据可视化，数据处理以及数据建模寻找答案
3. 解决问题或提出新的问题

首先载入包：

install.packages("tidyverse")

查看数据：

ggplot(data = diamonds) +
  geom_bar(mapping = aes(x = cut))

柱状图中各个柱高为：

diamonds %>% 
  count(cut)
  #> # A tibble: 5 x 2
#>   cut           n
#>   <ord>     <int>
#> 1 Fair       1610
#> 2 Good       4906
#> 3 Very Good 12082
#> 4 Premium   13791
#> 5 Ideal     21551

对于分类变量用geom_bar()花柱状图，而对于连续变量如carat，应使用geom_histogram()：

ggplot(data = diamonds) +
  geom_histogram(mapping = aes(x = carat), binwidth = 0.5)

这一项的数值也可通过dplyr::count()和ggplot2::cut_width()手动计算：

diamonds %>% 
  count(cut_width(carat, 0.5))
#> # A tibble: 11 x 2
#>   `cut_width(carat, 0.5)`     n
#>   <fct>                   <int>
#> 1 [-0.25,0.25]              785
#> 2 (0.25,0.75]             29498
#> 3 (0.75,1.25]             15977
#> 4 (1.25,1.75]              5313
#> 5 (1.75,2.25]              2002
#> 6 (2.25,2.75]               322
#> # ... with 5 more rows

假如想对某一部分数据进行观察可调整binwidth参数：

smaller <- diamonds %>% 
  filter(carat < 3)
  
ggplot(data = smaller, mapping = aes(