多维数据的基本统计分析与图示
实验名称:多维数据的基本统计分析与图示
实验目的与要求:1. 熟悉R软件界面及数据的R语言表示。
2. 对多维数据作基本统计分析及直观表示。
3. 第二章练习题2、3; 第三章练习题2;
实验总结:
实验步骤与结果:
第二章练习题2:进行基本统计分析
代码:
###第二章第二题
##进行基本统计分析
T2.2=read.csv("E:/T2.2.csv",header=T) #数据的导入
head(T2.2)
summary(T2.2)
A1=table(是否抽烟);A1
barplot(A1)
B1=table(每天学习时间);B1
barplot(B1)
table(是否抽烟,每天学习时间)
barplot(table(每天学习时间,是否抽烟),beside=T,col=1:2)
barplot(table(是否抽烟,每天学习时间),beside=T,col=1:6)
第二章练习题3:试按组距为300编制频数表,计算频数、频率和累积频率,并绘制直方图。
(1)写出R语言程序。
(2)用R语言进行基本统计分析。
(3)用R语言作正态概率图并分析之。
代码:
###第二章第三题
##试按组距为300编制频数表,计算频数、频率和累积频率,并绘制直方图
T2.3=read.csv("E:/T2.3.csv",header=T) #数据的导入
min(T2.3) #最低工资
max(T2.3) #最高工资
A2=hist(T2.3$X,breaks = seq(900,3000,300)) #以组距为300话=画直方图
names(A2)
data.frame('组中值'=A2$mids,'频数'=A2$counts,'频率'=A2$density*300,'累计频率'=cumsum(A2$density*300))
##进行基本统计分析
summary(T2.3)
##用R语言作正态概率图
qqnorm(T2.3$X)
qqline(T2.3$X)
第三章练习题2:按本章讲的多元图示方法对该资料进行直观分析
代码:
###第三章第二题
##按本章讲的多元图示方法对该资料进行直观分析
T3.2=read.csv("E:/T3.2.csv",header=T) #数据的导入
summary(T3.2)
#均值条图
P1=rowMeans(T3.2[,2:5]);P1
barplot(P1,las=3)
P2=colMeans(T3.2[,2:5]);P2
#箱尾图
boxplot(T3.2[,2:5])
boxplot(T3.2[,2:5],horizontal=T)
#脸谱图
library(aplpack)
faces(T3.2[,2:5],face.type=2) #第一列文字,不能直接处理
plot(T3.2[,2:3],bty="n")
a<-faces(T3.2[,2:4]);a
#星象图
library(mvst)
stars(T3.2,full=F,key.loc=c(13,1.5),draw.segments=T)
多维数据的基本统计分析与图示相关推荐
- 【数据挖掘】数据挖掘总结 ( K-Means 聚类算法 | 二维数据的 K-Means 聚类 ) ★
文章目录 一. K-Means 聚类算法流程 二. 二维数据的 K-Means 聚类 1. 第一次迭代 2. 第二次迭代 参考博客 : [数据挖掘]聚类算法 简介 ( 基于划分的聚类方法 | 基于层次 ...
- 【数据挖掘】K-Means 二维数据聚类分析 ( K-Means 迭代总结 | K-Means 初始中心点选择方案 | K-Means 算法优缺点 | K-Means 算法变种 )
文章目录 K-Means 二维数据 聚类分析 数据样本及聚类要求 二维数据曼哈顿距离计算 K-Means 算法 步骤 第一次迭代 : 步骤 ( 1 ) 中心点初始化 第一次迭代 : 步骤 ( 2 ) ...
- 怎么计算一组数据的波动_[理论+spss实战]一组数据的描述性统计分析
长按二维码,关注[学术点滴]获取更多资讯. 问:拿到一组数据首先要干什么?答:进行数据的基本分布描述 本次推文分两部分 第一部分:理论部分 第二部分:SPSS实战操作 操作者 微信公众号[学术点滴] ...
- R语言案例分析:多元数据的基本统计分析
R语言案例分析:多元数据的基本统计分析 来自<多元统计分析与R语言建模> 第四版 数据集下载 我们利用该数据集中的Case1来完成下面的R语言操作: options(digits = 4) ...
- Excel数据合并到统计分析自动处理的python示例(精益办公实战1)
Excel数据合并到统计分析自动处理的python示例(精益办公实战1) 1.背景描述: 社会的发展不断深化了经济对科技和数字化的依赖,企业将不得不面对越来越多,甚至是海量的数据和信息.Excel(或 ...
- Matplotlib——直方图_hist()函数_histogram()函数_二维数据
一个简单的直方图可以直观地展示数据的分布,包括数值分布的区间.密度和形状. 在实际的工作过程中,我们可能需要对数据进行数学建模和统计分析,这些数据处理技术往往基于数据符合的某些假设,而直方图是检查数据 ...
- 简单易学多维数据可视化R实现:神奇的卡通脸谱图Chernoff faces
.Chernoff face是由美国统计学家Chernoff在1976年率先提出的,用脸谱来分析多维度数据,即将P个维度的数据用人脸部位的形状或大小来表征. 他首先将该方法用于聚类分析,引起了各国统计 ...
- 智维数据nCompass防火墙策略可视化平台发布
1 防火墙策略收敛的困境: "一个月只能收敛一条策略, 太影响防火墙性能了,我们不敢再开了!" 安全策略的配置是发挥防火墙防护作用的关键,精细化安全策略配置成为应对威胁的重要手段 ...
- 机器学习入门(17)— 输入 4 维数据、基于 im2col 展开来实现卷积层
1. 输入 4 维数据 CNN 中各层间传递的数据是 4 维数据.所谓 4 维数据,比如数据的形状是(10, 1, 28, 28),则它对应 10 个高为 28.长为 28.通道为 1 的数据.用 P ...
最新文章
- Foursquare开源Rogue和Full-Loaded两款开发工具
- AndroidManifest.xml介绍
- 技术的深度与广度,该如何取舍?
- 重要说明,粉丝必看【java人脸识别说明】
- jQuery data
- 以太网头数据和802.3的区别
- poj--3984--迷宫问题(bfs+路径记录)
- [转] 为你的项目选择一个合适的开源协议
- Android中Webview自适应屏幕
- python loadlibrary_使用py2exe教程LoadLibrary(pythondll)失败错误
- 用 Windows Media Center 免费看大片 (二)
- react 翻书效果_react实现页面切换动画效果
- 利用交换机搭建局域网并实现PC机或者带网口设备的通信
- 打字慢?双拼了解一下!
- Adobe Photoshop 2020 无法创建新建文档的两种解决方法
- 技术分享 — Java如何实现证件照换底色
- 云栖社区版权提示与说明【2018版】
- 股票学习-量柱和k线-第二天
- stata生成脉冲响应图怎么导出_Stata:面板VAR模型(pvar2命令)
- Spring设置定时任务时,关于执行时间的规则设置