R语言实验：数据探索

数据介绍

1. 使用银行对资产进行评估的数据bank-data.csv，数据里有12个属性，分别是id,age,sex,region,income,married,children, car, save_act,   current_act, mortgage,pep.共600个实例。
2. 本测试集中将pep属性作为分类的目标类别。

实验3 数据探索与预处理

1.数据探索

• 数据质量分析

                缺失值分析

                       计算缺失值个数。

                       计算缺失率。

> setwd("G:/!！aaclassnew/R语言/20181011")
> saledata=read.csv(file = "bank-data.csv",header = TRUE)
> sum(!complete.cases(saledata))
[1] 6
> mean(!complete.cases(saledata))
[1] 0.01

                异常值分析

                        简单统计量：计算最值。

                        箱形图分析。

> setwd("G:/!！aaclassnew/R语言/20181011")
> saledata=read.csv(file = "bank-data.csv",header = TRUE)
> sp=boxplot(saledata$income,boxwex=0.7)
> title("银行异常值检测")
> xi=1.1
> sd.s=sd(saledata[complete.cases(saledata),]$income)
> mn.s=mean(saledata[complete.cases(saledata),]$income)
> points(xi,mn.s,col="red",pch=18)
> arrows(xi,mn.s-sd.s,xi,mn.s+sd.s,code = 3,col = "blue",angle = 75,length = .1)

• 数据特征分析

               分布分析：画出频率直方图。

               统计量分析：对于连续属性值，求出均值以及标准差。

> dataa=saledata[,5]
> dataa

> hist(dataa,xlab = "Weight",col = "blue",border = "red",ylim = c(0,20),breaks = 2000)

 

> sales=saledata[,5]
> mean_=mean(sales,na.rm = T)
> mean_
[1] 27514.46
> std_=sqrt(var(sales,na.rm = T))
> std_
[1] 12821.21

2.数据预处理

• 数据清洗

               缺失值处理：删除法。

> n=sum(is.na(dataa))
> n
[1] 6
> sub=which(is.na(dataa))
> sub
[1] 456 457 458 459 460 461
> dataa1=dataa[-sub]
> dataa1

• 数据集成

               去除无用属性：删除“ID”属性。

> data2=saledata[,c(2:12)]
> data2

• 数据变换       

               离散化：把“Children”属性转换成分类型的两个值“YES”和“NO”；把income属性按照节点12640.3；17390.1；29622；43228.2离散化。

> for(i in 1:600)
+ {
+ if(saledata[i,7]>0){saledata[i,7]="YES";}
+ else {saledata[i,7]="NO";}
+ }
> saledata

 

 

> saledata=read.csv('bank-data.csv',he=T)
> v=sort(saledata[,5])
> v