R 베이스

1. 현재 작업 디렉터리 보기

getwd()

2. 카탈로그 변경

setwd ("~/Downloads") attention: 파일을 읽을 수 없을 때 디렉터리가 파일이 저장된 위치가 아니기 때문입니다 error: cannot open file 'data': no such file or directory

3. 파일 읽기

statesInfo

4. 테이블의 데이터를 찾는다

2. statesInfo[rows,columns]
statesInfo[statesInfo$state.region==1, ]```

5. 데이터 세트의 앞 두 줄과 인쇄 데이터의 크기

head(data,2) dim(data)

6. 데이터 정보를 확인한다.단축키 option+cmd+I

?cars
str(cars)```

7. 데이터 찾기

subset(data,mpg>=30|hp<60)

8. 변수를 표로 만들고 각 조의 인원수를 관찰한다.

table(data$employment.status)#"mployment.status" ： group by

9. 통계 보기

summary(reddit)

10、변수의 단계를 보기

levels(data$columns)

11. 직사각형을 그립니다. 그림이 plots에 나타나지 않으면 dev. off () 를 실행해야 합니다.

library(ggplot2) qplot(data=reddit,x=age.range)# reddit age.range （ 
 

12. 직사각형 배열 위의 단계 정렬

reddit$age.range

13. 직사각형을 그리는 두 가지 방식

>#  
>qplot(x = dob_day, data = pf)+
  scale_x_continuous(breaks = 1:31)
>#  
>ggplot(aes(x = dob_day), data = pf) +
  geom_histogram(binwidth = 0.5) +
  scale_x_continuous(breaks = 1:31)#binwidth bins ， 
>## bins
>ggplot(aes(price),data = diamonds)+
  geom_histogram(bins = 300)+
  scale_x_log10()
>## 
>ggplot(aes(price),data = diamonds)+
  geom_histogram(bins = 300)+
  scale_x_log10()

 -  ， binwidth， ， bins( )， 

14. 직사각형은 열별로 dobmonth의 값은 각각 그림을 그려서, 각각의 종류 변수에 같은 종류의 도형을 만듭니다

ggplot(aes(x = dob_day), data = pf) +
  geom_histogram(binwidth = 0.5) +
  scale_x_continuous(breaks = 1:31)+
  facet_wrap(~dob_month,ncol=3)#ncol 
 facet_wrap(formula) facet_wrap(~variable 
facet_grid(formula)   facet_grid(vertical~horizontal)   
 

15. 직사각형 x축의 기점 위치와 종점 위치를 설정한다.

qplot(data=pf,x=friend_count,xlim=c(0,1000))# x 
qplot(x=friend_count,data=pf)+
    scale_x_continuous(limits=c(0,1000))# 

16.na값을 무시하고,

qplot(x=friend_count,data=subset(pf,!is.na(gender)),binwidth=25)+
 scale_x_continuous(limits=c(0,1000),breaks=seq(0,1000,25))+
  facet_wrap(~gender,ncol=2)
1.subset(pf,!is.na(gender)) gender na ;
2.binwidth ；
3.scale_x_continuous(limits=c(0,1000) ， X ；
4.breaks 0-1000 ， 25；5.facet_wrap(~gender,ncol=2) gender  

17. 통계 보기

table(pf$gender) # 데이터 집합 pf에서gender 필드의 값이 얼마나 되는지 보기

18. 통계치 보기

by(pf$friend count,pf$gender,summary)gender 열별 friend 보기count값 통계

19. 직사각형의 색상 설정

qplot(x=tenure,data=pf,binwidth=30,
      color=I('black'),fill=I('#099DD9'))

ggplot(aes(x=price,fill=cut),data=diamonds)+
  geom_histogram()+
  facet_wrap(~color)+
  scale_x_log10()+
  scale_fill_brewer(type="qual")
1. fill=cut  

20、

qplot(x = age,data=pf,binwidth=1,
      color=I('black'),fill=I('#099DD9'))+
  scale_x_continuous(breaks= seq(0,113,5))
#scale_x_continuous  X 

21. 변수 추출 대수를 정적 분포로 전환

##summary(log10(pf$friend_count+1))
 10 ， 
qplot(x=(price/carat+1),data=diamonds,binwidth=50)+
  facet_wrap(~cut)+
  scale_x_log10()

22. 대수, 제곱근 그림 그리기

>p1 

23. 주파수 다각형 만들기

##ggplot(aes(x = friend_count, y = ..count../sum(..count..)), data = subset(pf, !is.na(gender))) + 
  geom_freqpoly(aes(color = gender), binwidth=10) + 
  scale_x_continuous(limits = c(0, 1000), breaks = seq(0, 1000, 50)) + 
  xlab(' ') + 
  ylab('Percentage of users with that friend count')

24. 변수 중의 분류의 합을 구한다

by(pf$www_likes,pf$gender,sum)

25. 박스 라인 그림

qplot(x=gender,y=friend_count,
      data=subset(pf,!is.na(gender)),
      geom='boxplot',ylim=c(0,1000))```


qplot(x=gender,y=friend_count,
      data=subset(pf,!is.na(gender)),
      geom='boxplot')+
  scale_y_continuous(limits=c(0,1000)) ```

  
qplot(x=gender,y=friend_count,
      data=subset(pf,!is.na(gender)),
      geom='boxplot')+
  coord_cartesian(ylim= c(0,1000))
# y 0-1000

26.ifelse와 요소 변수로 전환

mobile_check_in 0,1,0)
pf$mobile_check_in 

27. 두 연속 변수 간의 관계를 연구하고 산점도를 만든다

ggplot(aes(x=age,y=friend_count),data=pf)+
  geom_point(alpha=1/20)+
  xlim(13,90)+
  coord_trans(y='sqrt')
#geom_point alpha 20 ，coord_trans y log10

ggplot(aes(x=age,y=friend_count),data=subset(pf,!is.na(gender)))+
  geom_jitter(alpha=1/20,aes(colour=gender),height=0)+
  xlim(13,90)+
  coord_trans(y='sqrt',limy=c(0,3000))
#geom_jitter ， ， ， 0

ggplot(aes(x=table,y=price),data=diamonds)+
  geom_point(alpha=1/5,aes(color=cut))+
  scale_x_continuous(breaks=seq(50,80,2))

28. 데이터를 그룹으로 나누고 각 그룹의 평균값, 중위수를 취한다.

age_groups 

29. 산점도에 중위수, 분위수 도층을 추가한다

ggplot(aes(x=age,y=friend_count),data=pf)+
  coord_cartesian(xlim=c(13,70),ylim=c(0,1000))+
  geom_point(alpha=0.05,
             position=position_jitter(h=0),
             color='orange')+
  #coord_trans(y='sqrt')+
  geom_line(stat='summary',fun.y=mean)+
  geom_line(stat="summary",fun.y=quantile,fun.args=list(probs= .9),
            linetype=2,color='blue')+
  geom_line(stat="summary",fun.y=quantile,fun.args=list(probs= .5),
            linetype=2,color='blue')+
  geom_line(stat="summary",fun.y=quantile,fun.args=list(probs= .1),
            linetype=2,color='blue')
1. coord_cartesian x、y 
2. alpha=1/20  20 ；
2.1：position=position_jitter(h=0) ， 0
3.coord_trans(y='sqrt') y ；
4. y  geom_line(stat='summary',fun.y=mean)；
5. y geom_line(stat="summary",fun.y=quantile,fun.args=list(probs= .5),
            linetype=2,color='blue')
  

30. 두 변수의 상관계수 보기

with(pf,cor.test(age,friend_count))

with(subset(pf,age<=70),cor.test(age,friend_count,
                                 method="pearson"))
1.pearson  （default）

31. 산점도+상관계수도+구분 데이터 서브집합

ggplot(aes(x=www_likes_received,y=likes_received),data=pf)+
  geom_point()+
  xlim(0,quantile(pf$www_likes_received,0.95))+
  ylim(0,quantile(pf$likes_received,0.95))+
  geom_smooth(method='lm',color='red')
1. x\y xlim\ylim  95% ；
2. ：geom_smooth

32. 부드러운 데이터

p1

더 많은 변수 분석

library(dplyr)
pf.fc_age_gender%
  filter(!is.na(gender))%>%
  group_by(age,gender)%>%
  summarise(mean_friend_count=mean(friend_count),
            median_friend_count=median(friend_count),
            n=n())%>%
  ungroup()%>%
  arrange(age)
1. 、 、 ；
names(pf.fc_age_gender)
ggplot(aes(x=age,y=mean_friend_count),
       data=pf.fc_age_gender)+
  geom_line(aes(color=gender))
2. 

2. 긴 형식을 넓은 형식으로 변환

pf.fc_age_gender%
  filter(!is.na(gender))%>%
  group_by(age,gender)%>%
  summarise(mean_friend_count=mean(friend_count),
            median_friend_count=median(friend_count),
            n=n())%>%
  ungroup()%>%
  arrange(age)

library(reshape2)
pf.fc_by_age_gender.wide

3. 비율도

ggplot(aes(x=age,y=female/male),
       data=pf.fc_by_age_gender.wide)+
  geom_line()+
  geom_hline(yintercept=1,alpha=0.3,linetype=2)

4. 변수 함수 절단cut

pf$year_joined.bucket

5. 가입 시간과 친구 수의 관계 탐색

ggplot(aes(x=age,y=friend_count),
     data=subset(pf,!is.na(year_joined.bucket)))+
geom_line(aes(color=year_joined.bucket),stat="summary",fun.y=mean)+
geom_line(stat="summary",fun.y=mean,linetype=2)
1.geom_line(aes(color=year_joined.bucket),stat="summary",fun.y=mean) year_joined.bucket) 
2. geom_line(stat="summary",fun.y=mean,linetype=2)
 

6. 우정과 사용 시간의 관계를 구축하는 선도

이용해야 할 변수는 나이, 사용 시간, 쌓은 우정과 yearjoined.bucket

ggplot(aes(x=30*round(tenure/30),y=friendships_initiated/tenure),
       data=subset(pf,tenure>=1))+
  geom_line(aes(color=year_joined.bucket),stat="summary",fun.y=mean)
1.30*round(tenure/30) ， 

ggplot(aes(x=30*round(tenure/30),y=friendships_initiated/tenure),
       data=subset(pf,tenure>=1))+
  geom_smooth(aes(color=year_joined.bucket))
geom_smooth 

7. 분산도 행렬 만들기

library(GGally)
theme_set(theme_minimal(20))
set.seed(1836)
pf_subset

분면과 색을 띤 가격 직사각형

ggplot(aes(x=price,fill=cut),data=diamonds)+
  geom_histogram()+
  facet_wrap(~color)+
  scale_x_log10()+
  scale_fill_brewer(type="qual")

8. 산점도를 그리고 99%의 데이터를 선택하며 어떤 이산 변수에 따라 분류하고 축log10

diamonds$volume

9. 산점도, X축의 입방근을 취하고 Y축의 log10을 취한다

ggplot(aes(carat,price),data=diamonds)+
  geom_point()+
  scale_x_continuous(trans=cuberoot_trans(),limits=c(0.2,3),
                     breaks=c(0.2,0.5,1,2,3))+
  scale_y_continuous(trans=log10_trans(),limits=c(350,15000),
                     breaks=c(350,1000,5000,10000,15000))+
  ggtitle('Price(log10) by Cube-Root of Carat')

ggplot(aes(carat, price), data = diamonds) + 
  geom_point(alpha=0.5,position='jitter',size=0.75) + 
  scale_x_continuous(trans = cuberoot_trans(), limits = c(0.2, 3),
                     breaks = c(0.2, 0.5, 1, 2, 3)) + 
  scale_y_continuous(trans = log10_trans(), limits = c(350, 15000),
                     breaks = c(350, 1000, 5000, 10000, 15000)) +
  ggtitle('Price (log10) by Cube-Root of Carat')        

library('RColorBrewer')
ggplot(aes(x = carat, y = price,colour=clarity), data = diamonds) + 
  geom_point(alpha = 0.5, size = 1, position = 'jitter') +
  scale_color_brewer(type = 'div',
                     guide = guide_legend(title = 'Clarity', reverse = T,
                                          override.aes = list(alpha = 1, size = 2))) +  
  scale_x_continuous(trans = cuberoot_trans(), limits = c(0.2, 3),
                     breaks = c(0.2, 0.5, 1, 2, 3)) + 
  scale_y_continuous(trans = log10_trans(), limits = c(350, 15000),
                     breaks = c(350, 1000, 5000, 10000, 15000)) +
  ggtitle('Price (log10) by Cube-Root of Carat and Clarity')
1. -colour=clarity
2. ， 

선형 모델 생성 및 예측

 menisc 

bigdiamonds$logprice=log(bigdiamonds$price)
 ， 5 
m1

글꼴 크기 및 수평 위치 조정

theme(axis.title.x=element_text(size=60),axis.title.y=element_text(size=60))+theme(plot.title=element_text(hjust=0.5))