本文参考数据挖掘与R第二章节

• 方法1，下载Data mining with r的配套包

• install.packages('DMwR')

• 方法2，下载txt数据，并且读入数据。方法见上文。

• Summary()#的到数据的摘要，概括。（包括最大，小值，中值，均值，4分为，NA的数量）

• summary(algae)
      season       size       speed         mxPH            mnO2      
  autumn:40   large :45   high  :84   Min.   :5.600   Min.   : 1.500 
  spring:53   medium:84   low   :33   1st Qu.:7.700   1st Qu.: 7.725 
  summer:45   small :71   medium:83   Median :8.060   Median : 9.800 
  winter:62                           Mean   :8.012   Mean   : 9.118 
                                       3rd Qu.:8.400   3rd Qu.:10.800 
                                       Max.   :9.700   Max.   :13.400 
                                       NA's   :1       NA's   :2      
         Cl               NO3              NH4                oPO4      
  Min.   :  0.222   Min.   : 0.050   Min.   :    5.00   Min.   :  1.00 
  1st Qu.: 10.981   1st Qu.: 1.296   1st Qu.:   38.33   1st Qu.: 15.70 
  Median : 32.730   Median : 2.675   Median :  103.17   Median : 40.15 
  Mean   : 43.636   Mean   : 3.282   Mean   :  501.30   Mean   : 73.59 
  3rd Qu.: 57.824   3rd Qu.: 4.446   3rd Qu.:  226.95   3rd Qu.: 99.33 
  Max.   :391.500   Max.   :45.650   Max.   :24064.00   Max.   :564.60 
  NA's   :10        NA's   :2        NA's   :2          NA's   :2      
        PO4              Chla               a1              a2       
  Min.   :  1.00   Min.   :  0.200   Min.   : 0.00   Min.   : 0.000 
  1st Qu.: 41.38   1st Qu.:  2.000   1st Qu.: 1.50   1st Qu.: 0.000 
  Median :103.29   Median :  5.475   Median : 6.95   Median : 3.000 
  Mean   :137.88   Mean   : 13.971   Mean   :16.92   Mean   : 7.458 
  3rd Qu.:213.75   3rd Qu.: 18.308   3rd Qu.:24.80   3rd Qu.:11.375 
  Max.   :771.60   Max.   :110.456   Max.   :89.80   Max.   :72.600 
  NA's   :2        NA's   :12                                       
         a3               a4               a5               a6       
  Min.   : 0.000   Min.   : 0.000   Min.   : 0.000   Min.   : 0.000 
  1st Qu.: 0.000   1st Qu.: 0.000   1st Qu.: 0.000   1st Qu.: 0.000 
  Median : 1.550   Median : 0.000   Median : 1.900   Median : 0.000 
  Mean   : 4.309   Mean   : 1.992   Mean   : 5.064   Mean   : 5.964 
  3rd Qu.: 4.925   3rd Qu.: 2.400   3rd Qu.: 7.500   3rd Qu.: 6.925 
  Max.   :42.800   Max.   :44.600   Max.   :44.400   Max.   :77.600 
                                                                     
         a7       
  Min.   : 0.000 
  1st Qu.: 0.000 
  Median : 1.000 
  Mean   : 2.495 
  3rd Qu.: 2.400 
  Max.   :31.600 

• hist()#画出数据的直方图

• hist(algae$mxPH, prob=T)#prob=T显示概率，缺省的显示频数

•  

• 更细致的显示

> library(car)#调入库

> par(mfrow=c(1,2))#设置把图片分为左右两个，画左边的

> hist(algae$mxPH, prob=T, xlab='',

+       main='Histogram of maximum pH value',ylim=0:1)#画直方图

> lines(density(algae$mxPH,na.rm=T))#画概率密度曲线

> rug(jitter(algae$mxPH))#画地下那个痕迹

> qq.plot(algae$mxPH,main='Normal QQ plot of maximum pH')

> par(mfrow=c(1,1))

• 画箱图

• boxplot(algae$oPO4,ylab='Orthophosphate (oPO4)')#画箱图，上面那条线表示，第三个四分位+1.5*四分位距，下面那条线表示第一个四分位-1.5*四分位距）  四分位，四分位距离，的概念（百度百科）：http://baike.baidu.com/link?url=v0bXCf9-Pg-1oC-v2JMzcjx7PzehHQ-iwhAIvS6G_Yg1v0x-XkRo_dqr7309MRam，http://baike.baidu.com/view/1376569.htm

• rug(jitter(algae$oPO4),side=2) #画出类似于毯子那个东西，jitter给变量加入细微噪声，以免叠加看不见

• abline(h=mean(algae$oPO4,na.rm=T),lty=2) #画出均值

•  

• 找出异常点

• plot(algae$NH4,xlab='')#画出某变量的图

• clicked.lines <- identify(algae$NH4)#手动的标出异常点，标出的同时会显示出该点的行，结束的同时会把这些点保存于clicked.lines 中

• algae[clicked.lines,] #显示异常点

• 条件分布的图形画法

• library(lattice)#引入lattice库

• bwplot(size ~ a1, data=algae,ylab='River Size',xlab='Algal A1') #画出a1在每种size条件下的箱图