数据可视化知识点回顾
基础知识点回顾：
条形图、饼图、直方图、核密度图、箱线图和点图。中级知识点回顾：
散点图、气泡图、折线图、相关图、马赛克图。
title: “R实训第三次作业”
output: html_notebook
1.通过读取文件death rate.csv获取数据保存到df中；简单分析数据，获取共
有数据多少条，是否有缺失值或是异常值；若存在这样的数据，将这些数据
剔除;对于死亡率来说，它的值域是0<q<=1 。
df <-read.csv("C:\\Users\\zzh\\Desktop\\R语言\\R第3次实训\\数据\\death rate.csv")dim(df)#缺失值的行数sum(rowSums(is.na(df)) > 0) # 男性死亡率异常nrow(df) - nrow(df[df$q_male > 0 & df$q_male <= 1, ])# nrow(df) - nrow(df[df$q_female > 0 & df$q_female <= 1,])nrow(df)df <- na.omit(df)nrow(df)df <- df[df$q_male > 0 & df$q_male <= 1, ]# df <- df[df$q_female > 0 & df$q_female <= 1,]nrow(df)
2.绘制散点图，分别展示年龄与男性的死亡率（对数即取log）的关系。
plot(df$Age,log(df$q_male))
3.绘制直方图来观察一下男性死亡人数的分布。
hist(df$Male_death,breaks=100)
4.计算df的各变量的相关系数，并画出相关图。【用corrgram包】
# install.packages("corrgram")library(corrgram)options(digits=2) cor(df) corrgram(df, order=TRUE,lower.panel=panel.shade,upper.panel=panel.pie, text.panel=panel.txt,main="Corrgram of df intercorrelations")
1.通过读取文件House-handle.csv获取数据保存到houseIndex中。
houseIndex<-read.csv("C:\\Users\\zzh\\Desktop\\R语言\\R第3次实训\\数据\\House-handle.csv")
2.数据探索，绘制一张图表来展示1990到的HPI的变化情况，横轴是时间
（可以是数据的第一列），纵轴是HPI值。
Sys.setlocale("LC_TIME","English")# 最初的date数据类型是factorclass(houseIndex$date)head(houseIndex$date)# 然后转化为characterhouseIndex$date <- as.character(houseIndex$date)class(houseIndex$date)head(houseIndex$date)# 然后转化为DatehouseIndex$date <- as.Date(houseIndex$date, "%d-%b-%y")class(houseIndex$date)head(houseIndex$date)plot(houseIndex$date,houseIndex$index,type = "l",main = "HIP(Canberra)-since 1990")
3.绘制一张图，展示每个月的HPI的增长量，表示为delta,在0的位置添加参考线。
【注： 增长量，可以用下一条减上一条来计算；第一条的上一条的HPI值设置为1】
# a<-c(1,houseIndex$index)# a<-a[1:length(a)-1]# c<-houseIndex$index-a# plot(houseIndex$date,c,main = "Increase in HPI")# abline(h=0,lty=3)houseIndex$rates <- which(houseIndex$index==houseIndex$index)-1houseIndex$rates[1] <- 1houseIndex$delta <-houseIndex$index-houseIndex$index[houseIndex$rates]houseIndex$delta[1] <- houseIndex$index[1]-1plot(houseIndex$date,houseIndex$delta,type="p", main="Increase in HPI",xlab="时间",ylab="delta") abline(h=0,lty = 3)
4.对HPI增长率建立表格，其中每一行代表一个月份，每一列代表一个年份，显示
前四年的数据（ HPI增长率舍入到小数点后4位）；并可视化HPI的平均年增长率和
HPI的平均月增长率（全部年份的年增长率（列平均）和月增长率（行平均））。
【注：增长率，增长量/上一条的HPI值】
houseIndex$rates <- houseIndex$delta/houseIndex$index[houseIndex$rates]houseIndex$rates[1] <- houseIndex$index[1]-1rateMatrix <- xtabs(rates~month+year,data=houseIndex)round(rateMatrix[,1:4],digits=4)
yearmean <- colMeans(rateMatrix)barplot(yearmean,main="HPI的平均年增长率",xlab="年",ylab="平均年增长率") mouthmean <- rowMeans(rateMatrix)plot(1:12,mouthmean,type="b", main="HPI的平均月增长率",xlab="月",ylab="平均月增长率")
5.绘制一个箱线图，来查看HPI的增长率的分布情况。
boxplot(rateMatrix,ylab="HPI Increase Rate")
