• 主页
  • 课程

    关于课程

    • 课程归档
    • 成为一名讲师
    • 讲师信息
    同等学历教学

    同等学历教学

    免费
    阅读更多
  • 特色
    • 展示
    • 关于我们
    • 问答
  • 事件
  • 个性化
  • 博客
  • 联系
  • 站点资源
    有任何问题吗?
    (00) 123 456 789
    weinfoadmin@weinformatics.cn
    注册登录
    恒诺新知
    • 主页
    • 课程

      关于课程

      • 课程归档
      • 成为一名讲师
      • 讲师信息
      同等学历教学

      同等学历教学

      免费
      阅读更多
    • 特色
      • 展示
      • 关于我们
      • 问答
    • 事件
    • 个性化
    • 博客
    • 联系
    • 站点资源

      未分类

      • 首页
      • 博客
      • 未分类
      • R语言DataExplorer包:促进探索性数据分析(EDA)

      R语言DataExplorer包:促进探索性数据分析(EDA)

      • 发布者 weinfoadmin
      • 分类 未分类
      • 日期 2021年9月9日
      • 评论 0评论

      专题介绍:R是一种广泛用于数据分析和统计计算的强大语言,于上世纪90年代开始发展起来。得益于全世界众多 爱好者的无尽努力,大家继而开发出了一种基于R但优于R基本文本编辑器的R Studio(用户的界面体验更好)。也正是由于全世界越来越多的数据科学社区和用户对R包的慷慨贡献,让R语言在全球范围内越来越流行。其中一些R包,例如MASS,SparkR, ggplot2,使数据操作,可视化和计算功能越来越强大。R是用于统计分析、绘图的语言和操作环境。R是属于GNU系统的一个自由、免费、源代码开放的软件,它是一个用于统计计算和统计制图的优秀工具。R作为一种统计分析软件,是集统计分析与图形显示于一体的。它可以运行于UNIX、Windows和Macintosh的操作系统上,而且嵌入了一个非常方便实用的帮助系统,相比于其他统计分析软件,R的学术性开发比较早,适合生物学和医学等学术学科的科研人员使用。



      这是我的第57篇原创文章,关于探索性数据分析(EDA)。

      阅读完本文,你可以知道:

      1 EDA是什么

      2 DataExplore包如何促进EDA






      探索性数据分析(EDA)是我们做数据分析的第一步,也是最重要的一步。通过EDA,可以让我们了解数据状况,发现数据问题,为我们后续的数据管理提供指导。

      EDA是从原始数据入手,采用数据汇总和数据可视化的方法,研究数据的概况,变量的类型,变量的分布,变量与变量之间的关系,数据的常见问题(缺失值|无效值|异常值|数据范围|数据单位等)等内容,其目的就是最大程度地理解数据,最大程度地保证数据质量。


      DataExplore包是R语言的一个EDA包,使用它,可以帮助我们更有效和快捷地对数据做EDA。


      DataExplore包的主要使用,记录如下。


      一 安装和导入DataExplore包

      if(!require(DataExplorer)){
        install.packages("DataExplorer")
        require(DataExplorer)
      }


      二 加载tidyverse包和funModeling包

      library(tidyverse)
      library(funModeling)


      三 加载数据

      # 加载数据
      choco <- read_csv('./data/flavors_of_cacao.csv')


      四 数据概况

      # 数据概况
      glimpse(choco)
      df_status(choco)
      choco %>% summary

      结果

      结论:

      • 数据集有1795个观察,9个变量。

      • 9个变量有6个是字符类型,3个是数值类型

      • 9个变量都没有取0值,变量Bean-Type和Broad-Bean-Origin都有1个缺失,缺失值百分比是0.06%

      • summary()函数给连续变量提供了最小值,中位数,均值、一分位数、三分位数和中位数这些信息


      五 数据清洗

      根据原始数据集和数据概况结果,结合业务知识,对数据做清洗。

      code

      # 数据清洗
      choco$`Cocoa-Percent` <- as.numeric(gsub('%', '', choco$`Cocoa-Percent`))
      choco$`Review-Date`<- as.character(choco$`Review-Date`)


      六 缺失值可视化分析

      # 缺失值分析
      plot_missing(choco)


      七 连续变量分布

      # 连续型变量分布
      # 直方图分析
      plot_histogram(choco)
      # 核密度曲线分析
      plot_density(choco)

      结果

      八 类别变量分布

      code

      # 类别变量
      # 柱状图
      plot_bar(choco)


      九 变量之间的关系图

      # 多变量分析
      plot_correlation(choco, 
                       type = "continuous")

      十 生成一份EDA报告

      # 生成一份EDA的报告
      create_report(choco)


      创建一份HTML格式的探索性数据分析报告,让你全面地认识数据。


      温馨提示:

      • 只有充分地理解数据,才能更好地应用数据。

      • EDA从原始数据入手,对数据做画像工作,以保证数据可用和有价值。


      参考资料:

      1https://towardsdatascience.com/simple-fast-exploratory-data-analysis-in-r-with-dataexplorer-package-e055348d9619

      2https://boxuancui.github.io/DataExplorer/


      附录:参考完整代码

      if(!require(DataExplorer)){
        install.packages("DataExplorer")
        require(DataExplorer)
      }
      library(tidyverse)
      library(funModeling)

      # 加载数据
      choco <- read_csv('./data/flavors_of_cacao.csv')

      # 数据概况
      glimpse(choco)
      df_status(choco)
      choco %>% summary

      # 数据清洗
      choco$`Cocoa-Percent` <- as.numeric(gsub('%', '', choco$`Cocoa-Percent`))
      choco$`Review-Date`<- as.character(choco$`Review-Date`)
      df_status(choco)

      # 变量理解
      plot_str(choco)

      # 缺失值分析
      plot_missing(choco)

      # 连续型变量分布
      # 直方图分析
      plot_histogram(choco)
      # 核密度曲线分析
      plot_density(choco)

      # 类别变量
      # 柱状图
      plot_bar(choco)

      # 多变量分析
      plot_correlation(choco, 
                       type = "continuous")

      # 生成一份EDA的报告
      create_report(choco)

      关于探索性数据分析EDA,您有什么想法请留言。


      需要深入交流和沟通,请加我的微信:luqin360。备注:实名+工作或者专业,否则不会通过。


      数据思考与践行


      PDFMV框架系列文章

      1一个数据人的2019

      2PDFMV框架

      3PDFMV框架的P

      你点的每个在看,我都认真当成了喜欢

      请关注“恒诺新知”微信公众号,感谢“R语言“,”数据那些事儿“,”老俊俊的生信笔记“,”冷🈚️思“,“珞珈R”,“生信星球”的支持!

      • 分享:
      作者头像
      weinfoadmin

      上一篇文章

      R语言本地化安装github上的包
      2021年9月9日

      下一篇文章

      PDFMV框架的D
      2021年9月9日

      你可能也喜欢

      2-1675088548
      lncRNA和miRNA生信分析系列讲座免费视频课和课件资源包,干货满满
      30 1月, 2023
      9-1675131201
      如何快速批量修改 Git 提交记录中的用户信息
      26 1月, 2023
      8-1678501786
      肿瘤细胞通过改变CD8+ T细胞中的丙酮酸利用和琥珀酸信号来调控抗肿瘤免疫应答。
      7 12月, 2022

      留言 取消回复

      要发表评论,您必须先登录。

      搜索

      分类

      • R语言
      • TCGA数据挖掘
      • 单细胞RNA-seq测序
      • 在线会议直播预告与回放
      • 数据分析那些事儿分类
      • 未分类
      • 生信星球
      • 老俊俊的生信笔记

      投稿培训

      免费

      alphafold2培训

      免费

      群晖配置培训

      免费

      最新博文

      Nature | 单细胞技术揭示衰老细胞与肌肉再生
      301月2023
      lncRNA和miRNA生信分析系列讲座免费视频课和课件资源包,干货满满
      301月2023
      如何快速批量修改 Git 提交记录中的用户信息
      261月2023
      logo-eduma-the-best-lms-wordpress-theme

      (00) 123 456 789

      weinfoadmin@weinformatics.cn

      恒诺新知

      • 关于我们
      • 博客
      • 联系
      • 成为一名讲师

      链接

      • 课程
      • 事件
      • 展示
      • 问答

      支持

      • 文档
      • 论坛
      • 语言包
      • 发行状态

      推荐

      • iHub汉语代码托管
      • iLAB耗材管理
      • WooCommerce
      • 丁香园论坛

      weinformatics 即 恒诺新知。ICP备案号:粤ICP备19129767号

      • 关于我们
      • 博客
      • 联系
      • 成为一名讲师

      要成为一名讲师吗?

      加入数以千计的演讲者获得100%课时费!

      现在开始

      用你的站点账户登录

      忘记密码?

      还不是会员? 现在注册

      注册新帐户

      已经拥有注册账户? 现在登录

      close
      会员购买 你还没有登录,请先登录
      • ¥99 VIP-1个月
      • ¥199 VIP-半年
      • ¥299 VIP-1年
      在线支付 激活码

      立即支付
      支付宝
      微信支付
      请使用 支付宝 或 微信 扫码支付
      登录
      注册|忘记密码?