-
Notifications
You must be signed in to change notification settings - Fork 2
/
EDA.Rmd
131 lines (86 loc) · 2.89 KB
/
EDA.Rmd
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
---
title: "KEŞİFÇİ VERİ ANALİZİ"
output: html_notebook
author: Regaip KURT
---
This is an [R Markdown](http://rmarkdown.rstudio.com) Notebook. When you execute code within the notebook, the results appear beneath the code.
Try executing this chunk by clicking the *Run* button within the chunk or by placing your cursor inside it and pressing *Ctrl+Shift+Enter*.
### Kütüphanelerin Yüklenmesi
```{r}
library(tidyverse)
library(ggplot2)
```
### Değişken Türlerinin Ayarlanması
```{r}
veri <- mpg
print(veri)
glimpse(veri)
```
class değişkeni chr tipinde ama bizim bunu factor tipine dönüştürmemiz gerekiyor.
```{r}
veri$class <- factor(veri$class)
glimpse(veri)
```
displ değişkeninin değerleri 2'den büyükse 1 değilse 0 olacak şekilde değiştirelim.
```{r}
veri$displ <- ifelse(veri$displ > 2, 1, 0)
veri$displ <- as.factor(veri$displ)
glimpse(veri)
```
### Veriye İlk Bakış
#### Genel fonksiyonlar
```{r}
head(veri) #ilk 5 satır
tail(veri) # son 5 satır
colnames(veri) #kolon isimleri
rownames(veri) # satır isimleri (çok fazla veride anlamı olmaz)
nrow(veri) # satır sayısı
ncol(veri) # dolon sayısı (özellik veya değişken sayısı da denilebilir.)
glimpse(veri) # veriye ve değişkenlerine hızlı bakış
summary(veri) #verinin istatistikleri
fivenum(veri$cty) # bir kolonun 5'li istatistik değerini direk döndürür
levels(veri$class) # kategorik değişkenleri içeren bir sütundaki kategoriler.
```
### Sürekli ve Kategorik Değişken Özetleri
Sürekli değişkenlerin özetleri için funModelling kütüphanesinden hızlıca yararlanılabilir.
```{r}
library(funModeling) #yüklü olmayabilir. yüklenmesi gerekir.
profiling_num(veri)
plot_num(veri)
```
### Kategorik Değişkenlerle ilgili bilgi alınması
Burada yine funModelling kütüphanesi kullanılabilir *ŞİDDETLE ÖNERİLİR!*
```{r}
freq(veri) #Sadece tek fonksiyonun yaptığı işlere dikkat et!
```
### Daha detaylı bir bakış
```{r}
library(psych) #yüklü değilse yüklenmeli
describe(veri)
describe.by(veri, group = veri$class) #bir sınıf oluşturup ona göre özetleme
#ancak ve ancak kategorik bir değişkene göre sınıflandırma yapılabilir!!!
library(Hmisc) # yüklü olmayabilir, yüklenmeli
Hmisc::describe(veri) # psych ile aynı isimde describe fonksiyonu o yüzden hmisc:: ile belirttik.
library(pastecs) #yüklü olmayabilir.
stat.desc(veri)
```
## DataFrame'lerin interaktif Keşfi
### d3Tree Kütüphanesi
```{r}
#install.packages("d3Tree")
#d3tree ile bir ağaç yapısı oluşturabiliriz.
library(d3Tree)
d3tree(list(
root = df2tree(veri,
rootname = "veri",
struct = as.data.frame(veri)),
layout = "collapse"
))
```
### xplorerr Kütüphanesi
Bu kütüphane veriyi incelememiz için bir shiny application şeklindedir ve kolaylık sağlayabilir.
```{r}
#install.packages("xplorerr")
library("xplorerr")
app_descriptive()
```