r语言怎么看序列平稳 r语言怎么看结果

转载

风轻云淡的开发 2023-06-27 21:13:45

文章标签 r语言怎么看序列平稳数据集数据 Max 文章分类 R语言后端开发

当我们处理一个新的数据集的时候，第一件事就是要对数据做一个了解。数据的格式是什么？数据的维度是多少？变量名是什么？变量如何存储？是否缺少数据？数据中是否有任何缺陷？

本次课将学习如何使用R的内置函数回答这些问题以及以及其他更多内容。我们将使用从美国农业部PLANTS数据库构建的数据集。

尺寸和大小

假设我们已经把数据读取并存入一个名为plants的变量。我们输入ls()命令查看工作空间里的变量，应该已经存在名为plants的变量。

> ls()
[1] "plants"

让我们从使用class(plants)检查plants变量的类型开始，这将为我们提供有关数据总体结构的线索。

> class(plants)
[1] "data.frame"

将数据存在data frame里是非常普遍的情况。在R中使用read.csv()和read.table()函数读取数据，默认的格式就是data frame。

由于数据集存储在数据框中，因此我们知道它是矩形的。换句话说，它具有两个维度（行和列），很像一个电子表格。使用dim(plants)可以准确查看我们正在处理的行数和列数。

> dim(plants)
[1] 5166   10

第一个数字5166是行数（观测值），第二个数字10是列数（变量）。

我们还可以使用nrow()和ncol()分别来查看行数和列数。

> nrow(plants)
[1] 5166

> ncol(plants)
[1] 10

如果对数据集在内存中占用多少空间感到好奇，可以使用object.size(plants)。

> object.size(plants)
686080 bytes

内容

现在我们已经了解了数据集的尺寸和大小，让我们来了解一下其中的内容。names()函数可以返回数据集各列的列名。

> names(plants)
 [1] "Scientific_Name"      "Duration"             "Active_Growth_Period" "Foliage_Color"        "pH_Min"               "pH_Max"              
 [7] "Precip_Min"           "Precip_Max"           "Shade_Tolerance"      "Temp_Min_F"

我们已经将相当描述性的变量名应用于此数据集，但情况并非总是如此。合理的下一步是查看实际数据。但是，我们的数据集包含5000多个观察值（行），因此一次查看全部内容是不切实际的。

使用head()函数可以查看数据集的头部一部分数据。

r语言怎么看序列平稳 r语言怎么看结果_数据

默认情况下，head()函数会列出前6行数据。如果我们想查看更多行的数据，可以在参数中设置。比如想查看前10行，使用head(plants, 10)即可。

同样，我们还可以是使用tail()函数查看数据集的尾部数据，用法和head()函数一样。

r语言怎么看序列平稳 r语言怎么看结果_数据集_02

预览数据的顶部和底部之后，我们可能会看到很多NA，它们是R的缺失值占位符。使用summary()可以更好地了解每个变量的分布方式以及缺少的数据集数量。

r语言怎么看序列平稳 r语言怎么看结果_数据_03

summary()为每个变量提供不同的输出，具体取决于其类型。对于Precip_Min等数字数据，summary()显示最小值，第一四分位数，中位数，平均值，第三四分位数和最大值。这些值有助于我们了解数据的分布方式。

对于分类变量（在R中称为因子变量），summary()显示每个值（或级别）在数据中出现的次数。例如，Scientific_Name的每个值仅出现一次，因为它对于特定植物是唯一的。相反，持续时间的摘要（也是一个因子变量）告诉我们，我们的数据集包含3031个多年生植物，682个年生植物等。

您可以看到R通过使用other来代表Active_Growth_Period摘要中其他未显示的部分，我们可以用table(plants$Active_Growth_Period)来列出所有的值。

r语言怎么看序列平稳 r语言怎么看结果_r语言怎么看序列平稳_04

到目前为止，介绍的每个功能都可以帮助我们更好地了解数据结构。但是，这需要我们执行很多个函数，有没有更好的方式呢？答案就算str函数，这可能是理解数据集结构的最简便的方式。

> str(plants)
'data.frame':	5166 obs. of  10 variables:
 $ Scientific_Name     : Factor w/ 5166 levels "Abelmoschus",..: 1 2 3 4 5 6 7 8 9 10 ...
 $ Duration            : Factor w/ 8 levels "Annual","Annual, Biennial",..: NA 4 NA 7 7 NA 1 NA 7 7 ...
 $ Active_Growth_Period: Factor w/ 8 levels "Fall, Winter and Spring",..: NA NA NA 4 NA NA NA NA 4 NA ...
 $ Foliage_Color       : Factor w/ 6 levels "Dark Green","Gray-Green",..: NA NA NA 3 NA NA NA NA 3 NA ...
 $ pH_Min              : num  NA NA NA 4 NA NA NA NA 7 NA ...
 $ pH_Max              : num  NA NA NA 6 NA NA NA NA 8.5 NA ...
 $ Precip_Min          : int  NA NA NA 13 NA NA NA NA 4 NA ...
 $ Precip_Max          : int  NA NA NA 60 NA NA NA NA 20 NA ...
 $ Shade_Tolerance     : Factor w/ 3 levels "Intermediate",..: NA NA NA 3 NA NA NA NA 2 NA ...
 $ Temp_Min_F          : int  NA NA NA -43 NA NA NA NA -13 NA ...

str()函数的优点在于，它以简洁易读的格式结合了我们已经看到的其他函数的许多功能。在最顶部，它告诉我们plants的类别是data.frame，它具有5166个观测值和10个变量。然后，它为我们提供了每个变量的名称和类以及其内容的预览。

str()实际上是一个非常通用的函数，可以在R中的大多数对象上使用。任何时候想要了解事物的结构（数据集，函数等），str()都是一个不错的起点。