閱讀多變量資料
R 的多變量機率分配
Surajit Ray
Professor, University of Glasgow
課程主題
- 閱讀並分析多變量資料
- 探索繪圖技巧
使用常見統計分配
- Gaussian 與 T 分配
高維資料技巧
- 主成分分析（PCA）
多變量資料的結構
- 長方形結構：以列與欄組織
- 列代表觀測值
- 欄代表變數
- 可能包含或不包含：
- 列名稱或編號
- 欄標題
- 可能有遺漏值
多變量資料範例
Iris 資料，來源：Cambridge University website
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
新生兒體重資料（含欄標題的 CSV）
"","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
讀取資料
從一個 URL 讀取
iris_url <- "https://mlg.eng.cam.ac.uk/teaching/3f3/1011/iris.data"
iris_raw <- read.table(iris_url, sep = "", header = FALSE)
本機讀取
iris_raw <- read.table("iris.txt", sep = "", header = FALSE)
檢視資料集
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
指定欄位名稱
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
存取特定欄位
檢查目前的欄位名稱
names(iris_raw)
"Sepal.Length" "Sepal.Width" "Petal.Length" "Petal.Width" "Species"
$$
存取 Sepal length 與 Sepal width 欄位
iris_raw[, 1:2]
iris[, c('Sepal.Length', 'Sepal.Width')]
變更資料型別
將最後一個變數 Species 轉為 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 ...
指定 factor 標籤
將 1、2、3 的物種標籤改編為 setosa、versicolor、virginica
- 指定 factor 標籤
- 將第一個變數改為 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 ...
讀取含欄名的 CSV 資料
新生兒體重資料（含欄標題的 CSV）
"","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
讀取新生兒體重資料
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
一起來練習吧！
R 的多變量機率分配
