Ein experimentelles Ziel:
1. Überprüfen Sie die Grundoperationen der R-Sprache und machen Sie sich mit dem Konsolenmenü und seinen Funktionen vertraut.
2. Beherrschen Sie die Erstellung von Datensätzen.
3. Beherrschen Sie grundlegende Matrixberechnungsmethoden und grundlegende Berechnungsmethoden für digitale Zufallsvariablen.
4. Verstehen Sie multivariate Daten Sets und Visualisierung.
2. Experimentelle Anforderungen:
1. Vertraut mit der Menüleiste, den Arbeitspfadeinstellungen, der Erstellung von Skriptdateien, dem Laden von Datenpaketen und der Verwendung von Hilfedokumenten; 2. Erstellung von Vektoren,
Matrizen, Datenrahmen (Faktoren) und Listen;
3. Externer Datenimport und -analyse Fälle (1 Fallsatz).
3. Experimenteller Betrieb
1. Erstellung von Vektoren
1. Experimenteller Code
x1<- c(1,2,5,3,6,7,8) #数值型向量
x2<- c(10,11,12,13,14,15,16)
#矩阵的创建
#用rbin()按行合并
rbind(x1,x2)
#用cbind()按列合并
cbind(x1,x2)
#生成数据框
data.frame(x1,x2)
#尝试做其他的数据框(可忽略)
patientID<- c(1, 2, 3, 4)
age <- c(1, 4, 2, 5)
diabetes <- c("Type1", "Type2", "Type1", "Type1")
status <- c("Poor", "Improved", "Excellent", "Poor")
data.frame(patientID, age, diabetes, status)
2. Experimentelle Ergebnisse:
2. Um eine Liste zu erstellen, verwenden Sie die Funktion list(), um eine Liste zu erstellen.
1. Code-Implementierung
g <- "My List"
h <- c(5, 6, 8, 9)
j <- matrix(1:10, nrow = 5)
k <- c("one", "two", "three")
mylist <- list(title = g, ages = h, j, k)
mylist
2. Ergebnis
3. Externe Datenimport- und Analysefälle (1 Fallsatz)
1. Messen Sie die Größen- (x1) und Gewichtsdaten (x2) von 12 Mittelschülern, wie in der Tabelle gezeigt.
1) Erstellen Sie einen Vektor (eindimensionales Array)
x1<- c(171, 175, 159, 155, 152, 158, 154, 164, 168, 166, 159, 164)
x2<- c(57, 64, 41, 38, 35, 44, 41, 51, 57, 49, 47, 46)
length(x1)#向量长度
mode(x1)#向量类型
2) Erstellen Sie eine Matrix (zweidimensionale Daten)
#矩阵
rbind(x1,x2)
cbind(x1,x2)
3) Datenrahmen generieren
data.frame(x1,x2)
4) Histogramm
hist(x1)
hist(x2)
5) Streudiagramm
plot(x1,x2)
df <- data.frame(
Height = c(171, 175, 159, 155, 152, 158, 154, 164, 168, 166, 159, 164),
Weight = c(57, 64, 41, 38, 35, 44, 41, 51, 57, 49, 47, 46)
)
attach(df)
qqnorm(Height);qqline(Height)
qqnorm(Weight);qqline(Weight)
6) Streudiagrammmatrix
df <- data.frame(
Height = c(171, 175, 159, 155, 152, 158, 154, 164, 168, 166, 159, 164),
Weight = c(57, 64, 41, 38, 35, 44, 41, 51, 57, 49, 47, 46)
)
pairs(df)
df <- data.frame(
Age = c(13, 15, 13, 14, 14, 15, 13, 12, 13, 14, 14, 13),
Height = c(171, 175, 159, 155, 152, 158, 154, 164, 168, 166, 159, 164),
Weight = c(57, 64, 41, 38, 35, 44, 41, 51, 57, 49, 47, 46)
)
pairs(df)
2. Experimentelle Ergebnisse
4. Fragen zum Nachdenken und Üben
1) Erster Fragecode
#第一题
# 导入数据
x1 <- c(9,2,6,5,8)
x1
x2 <- c(12,8,6,4,10)
x2
x3 <- c(3,4,0,2,1)
x3
# 样本均值向量
mean(x1)
mean(x2)
mean(x3)
#转为矩阵
df <- data.frame(x1,x2,x3)
# 样本方差
var(df)
# 样本协方差
cov(df)
# 样本协方差矩阵
matrixNoHeader <- cbind(x1,x2,x3)
var(matrixNoHeader)
# 样本相关系数,对角线上的数值即为相关系数
cor(df)
# 样本相关矩阵
cor(df)
2) Ergebnisse
3) Frage 2
###第2题###
#散点图
plot(x1,x2)
plot(x2,x3)
plot(x1,x3)
#散布图矩阵
pairs(df)
4) Teilweise Screenshots
5. Zeigen Sie die mtcars- und Iris-Datensätze in R an und rufen Sie sie auf, verstehen Sie die grundlegenden Informationen der Daten und wählen Sie basierend auf dem erlernten Wissen mindestens zwei Zeichenmethoden für die grafische Anzeige aus.
1. Experimenteller Code
#iris和mtcars数据集
dim(iris)
names(iris)
str(iris)
attributes(iris)
quantile(iris$Sepal.Length)
quantile(iris$Sepal.Length, c(.1, .3, .65))
#使用函数var查看Sepal.Length的方差,使用hist绘制分布直方图
var(iris$Sepal.Length)
hist(iris$Sepal.Length)
# 密度图
plot(density(iris$Sepal.Length))
## 条形图
barplot(table(iris$Species))
#使用函数boxplot绘制盒图,以展示数据分布的中位数、
boxplot(Sepal.Length~Species, data=iris)
#mtcars数据集
attach(mtcars)
mtcars
pie(apply(mtcars,2,mean)) #饼图
plot(wt, mpg) #散点图
2. Experimentelle Ergebnisse (Teil-Screenshots)