Đọc dữ liệu đa biến

Phân phối Xác suất Đa biến trong R

Surajit Ray

Professor, University of Glasgow

Chủ đề khóa học

Đọc và phân tích dữ liệu đa biến
Khám phá kỹ thuật vẽ biểu đồ
Dùng các phân phối thống kê phổ biến
- Gaussian và T distribution
Kỹ thuật cho dữ liệu nhiều chiều
- Phân tích thành phần chính (PCA)

Cấu trúc dữ liệu đa biến

Dạng hình chữ nhật - tổ chức theo hàng và cột
- Hàng là các quan sát
- Cột là các biến
Có thể có hoặc không:
- Tên hoặc số thứ tự hàng
- Tiêu đề cột
Có thể có dữ liệu thiếu

Ví dụ dữ liệu đa biến

Dữ liệu Iris từ trang Cambridge University

5.1  3.5  1.4  0.2  1
4.9  3.0  1.4  0.2  1
4.7  3.2  1.3  0.2  1

Dữ liệu Cân nặng sơ sinh (CSV có tiêu đề cột)

"","case","bwt","gestation","parity","age","height","weight","smoke"
"1",1,120,284,0,27,62,100,0
"2",2,113,282,0,33,64,135,0

Đọc dữ liệu

Từ một URL

iris_url <- "https://mlg.eng.cam.ac.uk/teaching/3f3/1011/iris.data"
iris_raw <- read.table(iris_url,  sep = "", header = FALSE)

Tại máy local

iris_raw <- read.table("iris.txt", sep = "", header = FALSE)

Xem nhanh bộ dữ liệu

head(iris_raw, n = 4)

     V1  V2  V3  V4 V5
1   5.1 3.5 1.4 0.2  1  
2   4.9 3.0 1.4 0.2  1  
3   4.7 3.2 1.3 0.2  1  
4   4.6 3.1 1.5 0.2  1

Gán tên cột

colnames(iris_raw) <- c("Sepal.Length", "Sepal.Width", "Petal.Length","Petal.Width", "Species" )

head(iris_raw)

  Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1          5.1         3.5          1.4         0.2       1
2          4.9         3.0          1.4         0.2       1
3          4.7         3.2          1.3         0.2       1
4          4.6         3.1          1.5         0.2       1
5          5.0         3.6          1.4         0.2       1
6          5.4         3.9          1.7         0.4       1

Truy cập cột cụ thể

Kiểm tra tên cột hiện tại

names(iris_raw)

"Sepal.Length" "Sepal.Width"  "Petal.Length" "Petal.Width"  "Species"

Truy cập các cột Sepal length và Sepal width

iris_raw[, 1:2] 
iris[, c('Sepal.Length', 'Sepal.Width')]

Thay đổi kiểu dữ liệu

Đổi biến cuối Species sang kiểu factor

iris_raw$species <- as.factor(iris_raw$species)

str(iris_raw)

'data.frame':    150 obs. of  5 variables:
 $ Sepal.Length: num  5.1 4.9 4.7 4.6 5 5.4 4.6 5 4.4 4.9 ...
 $ Sepal.Width : num  3.5 3 3.2 3.1 3.6 3.9 3.4 3.4 2.9 3.1 ...
 $ Petal.Length: num  1.4 1.4 1.3 1.5 1.4 1.7 1.4 1.5 1.4 1.5 ...
 $ Petal.Width : num  0.2 0.2 0.2 0.2 0.2 0.4 0.3 0.2 0.2 0.1 ...
 $ Species     : Factor w/ 3 levels "1","2","3": 1 1 1 1 1 1 1 1 1 1 ...

Gán nhãn cho factor

Mã hóa lại nhãn loài từ 1, 2, 3 thành setosa, versicolor, virginica

Gán nhãn cho factor
Đổi biến đầu tiên thành factor

library(car) 
iris_raw$Species <- recode(iris_raw$Species,
                          " 1 ='setosa'; 2 = 'versicolor'; 3 = 'virginica'")

str(iris_raw)

'data.frame':    150 obs. of  5 variables:
 $ Sepal.Length: num  5.1 4.9 4.7 4.6 5 5.4 4.6 5 4.4 4.9 ...
 $ Sepal.Width : num  3.5 3 3.2 3.1 3.6 3.9 3.4 3.4 2.9 3.1 ...
 $ Petal.Length: num  1.4 1.4 1.3 1.5 1.4 1.7 1.4 1.5 1.4 1.5 ...
 $ Petal.Width : num  0.2 0.2 0.2 0.2 0.2 0.4 0.3 0.2 0.2 0.1 ...
 $ Species     : Factor w/ 3 levels "setosa","versicolor",..: 1 1 1 1 1 1 1 1 1 1 ...

Đọc dữ liệu csv có tên cột

Dữ liệu Cân nặng sơ sinh (CSV có tiêu đề cột)

"","case","bwt","gestation","parity","age","height","weight","smoke"
"1",1,120,284,0,27,62,100,0
"2",2,113,282,0,33,64,135,0
"3",3,128,279,0,28,64,115,1

Đọc dữ liệu Cân nặng sơ sinh

bwt <- read.csv("birthweight.csv", row.names = 1)
head(bwt, n = 3)

  case bwt gestation parity age height weight smoke
1    1 120       284      0  27     62    100     0
2    2 113       282      0  33     64    135     0
3    3 128       279      0  28     64    115     1

Cùng luyện tập nào!

Phân phối Xác suất Đa biến trong R