xiuxiuxiu666的博客

多变量分析(终图)最后探究贷款利率与信用评分和评级之间的关系：data$CreditGrade <- factor(data$CreditGrade,order=TRUE, levels = c("AA","A","B","C","D","E","HR"))data$ProsperRating..Alpha. <- facto...

双变量分析接着对问题贷款的影响因素进行分析，拟推断出易出现问题贷款的人群特征。与此同时探讨借款利率的影响因素:平台用户信用情况(等级/评分)与贷款状态：ggplot(aes(x=newLoanStatus,y=creditscore),data = subset(data,!is.na(data$newLoanStatus)))+ geom_boxplot()+coord_carte...

单变量分析首先对平台客户的基本信息进行分析，包含所在地，信用状况，申请贷款原因等，旨在分析目标客户所倾向具备的一般特征:所在地区分布：library(ggplot2)ggplot(data=subset(data,!data$BorrowerState==""), aes(x=BorrowerState))+geom_bar(fill="pink",color="blac...

Prosper 贷款数据分析数据导入工作目录设置首先查看当前工作路径，对其进行对应更改getwd()setwd('C:/Users/blabla/Desktop/数据分析/R语言')getwd()list.dirs() #罗列目录下所有文件夹list.files() #罗列目录下所有文件导入数据pf <- read.csv('C:/Users/孔啊吱/D...

可以用于一张图里面画好几张图使用gridextralibrary(gridExtra)data$IncomeRange <- factor(data$IncomeRange,order=TRUE,levels = c("Not displayed","Not employed","$0","$1-24,999","$25,000-49,999","$50,000-74,999","$...

可以用来查看部分数据set.seed(4230) #设置种子数，大家取随机数一样sample.ids <- sample(levels(yo$id),24) #随机取IDggplot(aes(x=time,y=price),data = subset(yo,id %in% sample.ids))+ facet_wrap(~ id)+ geom_line()...

主要有两种方法：1.ggplot，包裹器里添加fill2.使用ggbarstats，会显示占比library(ggplot2) #加载ggplot2包library(dplyr) #加载dplyr包library(ggstatsplot) #加载ggstatsplot包diamonds2 <- filter(diamonds, color %in% c('J', 'H')) #...

在原来两个变量的图里面再加一个变量 试图增加颜色，以此来表现eg1：color=gender用包裹器放在geom_line里面ggplot(aes(x=age,y=friend_count),data = subset(pf,is.na(gender)))+ geom_line(aes(color = gender),stat = 'summary',fun.y = median)...

cor.test查看变量间的相关性相关性cor.test(pf$age,pf$friend_count,method='pearson')with(pf, cor.test(age,friend_count,method = 'pearson'))求解子集的相关性with(subset(pf,age <= 70), cor.test(age,friend_count,m...

举例：将做的均值线叠加在散点图之上使用geom_lineggplot(aes(x=age,y=friend_count),data = pf)+ geom_point(alpha = 1/10,position = position_jitter(h=0), color="pink")+ coord_cartesian(xlim=c(13,90))+ co...

下载 dplyr 包就可以对数据用这些常见函数进行筛选，分组和整理将函数连接到数据集上，将一次执行一个函数，在pf上逐个进行可以用%>%来连接函数有以下两种写法：第一种library(dplyr)age_group <- group_by(pf,age)pf.fc_by_age <- summarise(age_group, ...

两个变量qplot(x = age, y = friend_count, data = pf) #默认散点图ggplot(aes(x = age, y = friend_count), data = pf) + geom_point()避免过度绘图：αggplot(aes(x = age, y = friend_count), data = pf) + geom_...

符合逻辑 ifelsemobile_checkin <- NApf$mobile_checkin <- ifelse(pf$mobile_likes>0,1,0)pf$mobile_checkin <- factor(pf$mobile_checkin)summary(pf$mobile_checkin)自定义函数 function函数名 = ...

箱型图的创建：qplot：使用geom = ‘boxplot’qplot(x=gender,y=friend_count, data=subset(pf,!is.na(gender)),geom='boxplot')ggplot：geom_boxplotggplot(表名，aes(x=表中列，y=表中列）)+geom_boxplot(aes(fill=表中用于分类的列))...

用于将某一变量进行数据分割eg：将用户的生日日期数据分成1-12月份，查看每一个月的日期分布(分面前12个月汇总的日期数据)函数：facet_wrap()使用的公式中变量前有一个波浪字符；以及列数设置facet_wrap(formula)facet_wrap(~variable)与分面(facet)类似的图层是逐面网格facet_wrap(formula)facet_wrap(v...

有些长尾数据非常离散，甚至最终会高出一个量级因此，需要转换数据——来缩短尾巴这样才能看到标准差，使其尽可能变成正态分布/非常近似正态分布，进而使用线性递归或其他方式建模变换的方式有两种：在变量上使用包裹器qplot(x=log(friend_count),data = pf)qplot(x=sqrt(friend_count),data = pf)缺点：x轴的数值也会做相应的...

组距数据间隔填充/边框轴标签组距(bindwidth)/数据间隔组距：根据最大值，最小值确定每组组距(直方图的组宽，一个里面表示多少个x轴间隔)数据间隔：将breaks参数传给scale_x_continuous图层，包括起始点，终点和间隔(坐标轴上显示间隔)qplot(x=friend_count,data = pf,binwidth=25)+ scale_x_cont...

R语言缺失值表现为NA值处理缺失值的方式主要有两种：subset：第一个参数是数据集 第二个参数是条件data=subset(pf,!is.na(gender)使用na.omit函数：去掉所有函数na的观察(除了性别但其他列有缺失值的也会被删掉)data=na.omit(pf)...

异常数值出现有很多原因，有的异常值是极端案例的准确数据，有的则为坏数据异常数值的出现常会造成长尾数据为避免长尾数据，我们通常对坐标轴进行限制：方法一：使用xlim，进行限制library(ggplot2)qplot(x=friend_count,data = pf,xlim = c(0,1000))方法二：使用scale_x_continuous (y轴也有scale_y_co...

使用ggplot绘图系统运用qplot/ggplot两种方式进行单变量绘图示例：直方图qplot：系统默认柱状图library(ggplot2)qplot(x = dob_day,data=users) #传入参数x和数据集ggplot：library(ggplot2)ggplot(aes(x = dob_day),data=users)+geom_histogram...

实用的数据对象处理函数 length(object) 显示对象中元素/成分的数量 dim(object) 显示某个对象的维度 str(object) 显示某个对象的结构 class(object) 显示某个对象的类或类型 m...

总结常用的查看数据方法：函数功能tail()查看表尾head()查看表头dim()查看数据维度str()给出各字段名及类型levels()查看字段给出的所有级别table()将变量制成表，观察每个组的情况summary()查看数据大致分布，给出最小值，分位数等信息names()查看数据字段名dim()dim...

R语言获取数据切片(子集)的两种方法：subset()statesubset <- subset(statesinfo,state.region == 1)[ ]statesubsetbracket <- statesinfo[statesinfo$state.region == 1, ] #' '空格代表取所有的...

数据导入使用键盘输入数据导入—————————————————————————使用键盘输入数据用R内置的文本编辑器和直接在代码中嵌入数据，R中的函数edit()会自动调用一个允许手动输入数据的文本编辑器。mydata <- data.frame(age=numeric(0),gender=character(0), weight=numeric(0))mydata &...

查看当前运行目录：getwd()更改运行目录：setwd('users/blabla/downloads')无论使用什么系统，都需要使用正斜杠/来分割你的路径或者文件夹，使用“”括起来...

因子（factor）是名义型变量或有序型变量。它们在R中被特殊地存储和处理。类别（名义型）变量和有序类别（有序型）变量在R中称为因子（factor）变量：名义型、有序型或连续型变量名义型变量是没有顺序之分的类别变量。糖尿病类型Diabetes（Type1、Type2）是名义型变量的一例。有序型变量表示一种顺序关系，而非数量关系。病情Status（poor、improved、excellen...

向量用于存储数值型、字符型或逻辑型数据的一维数组创建：函数c()a <- c(1, 2, 5, 3, 6, -2, 4) #数值型b <- c("one", "two", "three") #字符型c <- c(TRUE, TRUE, TRUE, FALSE, TRUE, FALSE) #逻辑型注意，单个向量中的数据必须拥有相同的类型或...

R语言的数据结构：标量 向量 数组 数据框 列表(图片来自R语言实战p43)