채린's datascience

R  새로운 종류의 Plot 

1. 상자그림(box plot)

1. 사분위수: 데이터의 분포를 설명

1. 1Q: 데이터 분포에서 25프로거나 이내의 데이터

2. 2Q: 50프로

3. 3Q: 75프로

2. boxplot(데이터)

1. boxplot을 객체로 주면 데이터 stats저장 가능

1. ex) boxstat <- boxplot(iris$Sepal.Width, horizontal=T)

3. outlier에 text입히기

1. x값은 outlier값, y값은 1로 위치 설정

1. ex) text(boxstat$out, rep(1,nrow(boxstat$out)), pos=1)

2. 히스토그램(hist)

1. hist(데이터)

1. 구간: break라는 파라메터를 사용, 기본값 = ‘Sturges’, 이것은 막대의 너비를 [log_x(n)+1]로 지정 (세로값)

2. 각 구간별 데이터 갯수: freq, 기본값= null. (가로값)

1. freq=FALSE: 구간의 확률밀도가 그려짐, 확률밀도이므로 너비의 합이 1이 된다.

3. 밀도 그림(density): 히스토그램의 분포를 살펴보기위해 가장 잘 알려진 함수

1. density(데이터)

2. rug() 함수: 실제데이터의 위치를 표시하는 함수

1. rug(jitter(데이터)), 여기서 jitter는 데이터가 겹치지 않도록

4. 막대 그림(barplot)

1. barplot(값1,2,3,...)

5. 파이 그래프 (pie)

1. 패스~~ 다음에 하자

6. 모자이크 플롯 (mosaicplot)

1. 범주형 다변량 데이터를 표현

2. mosaicplot(데이터, color = T)

1. 만약 어떤 변수에 따른 모자이크  플롯만 그리고 싶다면 -> mosaicplot(~Class + Survived, data=Titanic, color = T)

7. 산점도 행렬 (pairs)

1. pairs(~ 산점도에 넣고싶은 column + column, …, col = c(‘색상1’,’색상2’,...)[범주형데이터명])

1. ex) pairs(~ Sepal.Length + Sepal.Width + Petal.Length + Petal.Width, data = iris, col=c(‘red’,’green’,’blue’)[iris$Species])

8. 투시도와 등고선

1. 패스~~

R  데이터 Plot 

1. 기본이 되는 시각화 툴, graphics

1. 사용전에 데이터 셋 가져오기: data(dataset이름) -> global enviroment에 저장

1. data(mlbench) 불러오자, mlbench -> 데이터 데모 목적

2. ? 데이터셋: 데이터셋이 어떻게 구성되어있는지 설명

2. 기본 사용법

1. plot(데이터,데이터)

2. 그래프 내부를 예쁘게 만들기

1.  축 이름 설정하기

1. xlab, ylab=’이름’

2. 그래프 이름

1. main=’Ozone’

3. 점 모양

1. pch는 plotting characters

2. pch= 숫자, 혹은 원하는 심볼 ‘x’

4. 점 크기

1. cex = 1 ’default’

5. 점 색상

1. colors() 함수를 사용해 적용가능 색상을 검색 가능

2. col=’red’

6. 좌표축 값 설정

1. xlim, ylim = c(최솟값, 최댓값)

7. jitter: 데이터 겹치지 않게 하지

1. 같은 값 위에 여러값이 존재하면 이를 겹치지 않게 보기위해 함수를 사용

8. 범례, legend()

1. legend(‘위치’, legend=c(‘이름’,’이름’),pch=c(‘’,’’), cex=0.8, col=c(‘black’,’red’),bg=’grey’)

3. 데이터 위에 선,점 그리고 도형 그리기

1. plot을 선으로 하고 싶을 때, 혹은 ‘o’로 하고 싶을 때

1. plot(cars, type =’1’ or ‘o’, cex= 0.5)

2. 한 축의 값이 여러개인게 거슬린다?

1. tapply로 x축에대해 y축 값으 평균낸다

2. ex) x<-tapply(x축, y축, mean)

3. plot(x, type=’o’)

2. points(): 데이터 점을 덧 그리기

1. plot()시행하고 points를 하면 원래 창에 점을 덧 그릴 수 있음

2. 없는 데이터 위에 points()함수를 사용하고 싶다면

1. type=’n’으로 해서 plot()을 사용

3. lines(): 데이터 선을 덧 그리기

1. points()와 비슷한 함수

2. 비모수적 회귀분석

1. lowess(데이터): 회귀분석 시행

2. 그 외의 함수: loess(), ksmooth(), smooth.spline(),earth() 등

4. abline(): 직선그리기

1. a= 기울기, b= x계수/ 혹은 y= h, x=v도 가능

5. curve(함수, 함수식, 범위): lines와 다르게 함수식이 맨 앞에 나와서 바로 적용 가능

6. polygon()

1. x<-c(x데이터, x데이터의 끝 값, rev(x 데이터), x데이터의 첫값)

2. y<-c(y데이터, y데이터의 끝 값, rev(y 데이터), y데이터의 첫값)

3. polygon(x,y)

7. text()

1. 우선 데이터를 plot()

2. 그 데이터의 값을 순서대로 text표시 가능: text(x좌표, y좌표, pos=데이터 주변에 어디에 표시할지, 예를들면 1= 밑, 2=왼쪽 등)

4. 행렬 데이터 그리기: matplot()/ matlines()/ matpoints()

1. matplot(x데이터, 행렬y (내부에는 컬럼이 여러개 있음))

5. 그래프상에 그려진 데이터 식별

1. 데이터를 우선 그리기

1. plot(cars)

2. identify(그래프의 x데이터, 그래프의 y데이터) 식별해주기

1. identify(cars$speed, cars$dist)

3. 그래프위에 점을 찍으면 주변 데이터를 표시해줌

6. 여러 데이터 그리기

1. par사용: 여러 그래프 함수를 사용할 수 있도록 그래픽 인수를 설정하고 조회하는 함수

1. 객체 <-par(mfrow=c(1,2))

2. plot(), plot(): 플랏을 각각 한번씩 별개로 시행하고, par(opar) 수행