R 기본 통계

#변수 다 제거(메모리 삭제) rm(list=ls()) ###EDA탐색적 데이터 분석 autoparts=read.csv('autoparts.csv') head(autoparts) head(autoparts,10) autoparts1=autoparts[autoparts$prod_no=='90784-76001',c(2:11)] dim(autoparts1) autoparts1[!complete.cases(autoparts1),] #채워져있지 않은 것이 있냐고 묻는 것, 결측치가 없다고 나옴 autoparts1[is.na(autoparts1),] ##기초통계량 summary summary(autoparts1) ##데이터분포 boxplot boxplot(autoparts1) boxplot(autoparts1$separation) boxplot(autoparts1$rate_terms) #이상치제거 auto2=autoparts1[autoparts1$c_thickness<1000,]  boxplot(auto2$c_thickness) dim(auto2) plot(auto2$c_thickness) ##데이터분포 ,breaks막대수 hist(auto2$c_thickness) hist(auto2$c_thickness,breaks=50) ##왜도와 첨도 확인 x=auto2$c_thickness install.packages('moments') library(moments) skewness(x) kurtosis(x) #정규분포 만드는  함수 plot(density(x)) #확률밀도곡선 den.norm=function(x)dnorm(x,mean=mean(x),sd=sd(x) curve(den.norm,col='blue',add=T,lty=4) #정규분포곡선 abline(v=mean(x),col='pink',lty=1) #평균수직선 ta=read.csv('train.csv') head(ta) tam=ta[ta$Sex=='male',] head(tam) taf=ta[ta$Sex=='female',] mean(tam$Survived) mean(taf$Survived) summary(tam) t1 <- ta[ ,c(2, 3, 10)] cor(t1) # Pclass -.3385 //  Fare .2573 => 음의 상관관계여도 값이 크기에 pclass 선택 pima=read.csv('pima-indians-diabetes.csv') head(pima) str(pima) summary(pima) library(dplyr) pima%>%filter(Outcome==1)%>%boxplot pima%>%filter(Outcome==0)%>%boxplot out1=pima[pima$Outcome==1,] out0=pima[pima$Outcome==0,] par(mfrow=c(1,2)) boxplot(out1) boxplot(out0) ###데이터 분석을 위한 통계 기초 score=c(85,90,93,86,82) mean(score) median(score) var(score) #분산 sd(score) #표준편차 m=c('주시연','최경우','이은주','허민성','홍미나') h=c(168,176,167,174,169) w=c(52,68,47,82,51) p=cbind(h,w) class(p) colMeans(p) sd(p[,1]) sd(p[,2]) hei=rnorm(n=1000000,mean=168,sd=7) hist(rnorm(n=1000000,mean=168,sd=7),breaks=30) hist(rnorm(n=1000000,mean=168,sd=7),probability=T,breaks=30) lines(density(hei,bw=0.5),col='yellowgreen',lwd=2) wei=rnorm(n=100,mean=65,sd=5) tt=read.csv('tdata.csv',header=T) result=t.test(tt$성적,alternative=c('greater'),mu=75) #대립가설 75보다 크다 sco=read.csv('tdata2.csv') sco result2=t.test(sco$성적,alternative=c('greater'),mu=75) result2 #빈도분석(table 빈도수 / probtest.table) fr=read.csv('love_fruits.csv') round(prop.table(table(fr$선호과일))*100,2) #퍼센트로 표현 table(fr$선호과일) count=c(table(fr$선호과일)) pct=c(round(prop.table(table(fr$선호과일))*100,2)) love_fr=data.frame(건수=count,비율=pct);love_fr barplot(love_fr$건수,names.arg=c('바나나','복숭아','사과','체리','포도'),ylim=c(0,15),col=rainbow(5)) #범주형,이산형 막대그래프, 연속형 히스토그램 사용 pie(love_fr$건수,col=rainbow(5),init.angle = 90,label=love_fr$비율) legend(0.8,1,c('바나나','복숭아','사과','체리','포도'),cex=0.7,fill=rainbow(5)) #legend 범례(코드) ##카이제곱 / 크로스테이블 install.packages('gmodels') library(gmodels) study=read.csv('pass_cross.csv') head(study) CrossTable(study$공부함,study$합격,chisq=T) #첫번째 줄은 해당 조건의 데이터 건수이고 #두번째줄은 해당 조건의 카이제곱 값이고 #세번째 줄은 전체 조건대비 해당 행의 비율이고 #네번째 줄은 전체 조건대비 해당 컬럼의 비율이고 #마지막줄은  전체 데이터 대비 해당 값의 비율임 ##상관계수 x=c(3,5,8,11,13) y=c(1,2,3,4,5) cor(x,y) ###회귀분석 x=c(110,120,130,140,150) y=c(100,105,128,115,142) plot(x,y,pch=20,col='blue') line=lm(y~x) abline(line,col='green') lm(formula = y~x) ##잔차 /lmㅜ회귀분석 함수 sco=read.table('score.txt',header=T,sep=',') attach(sco) sco lm1=lm(성적~IQ);lm1 y=-5.2918+0.6714*125 y plot(IQ,성적,pch=20,col='skyblue') abline(lm1,col='pink') coef(lm1) predict(lm1,newdata=data.frame(x=c(125,125,125,125,125,125,125,125,125,125))) lm3=lm(성적~IQ+다니는학원수+게임하는시간+TV시청시간) lm3 y=23.2992+(0.4684*130)+(0.7197*3)-(0.8390*2)-(1.3854*1) y