系列文章目录

实验一 R 语言数据结构、数据导入与数据处理

实验二 基本数据处理

实验三 数据可视化

实验四 数据分析

实验五 综合应用

实验数据

实验数据下载

1. death rate 数据集
选取人类死亡率数据库（HMD，2007），提供了 1951-2005 年瑞典人口信息。这是个多变量的数据集，变量描述如下表：

2. House-handle 数据集
选取堪培拉房价交易指数数据，仅通过该数据进行一些可视化分析，数据显示如下表：

提示：以下是本篇文章正文内容

一、实验目的

1. 条形图、饼图、直方图、核密度图、箱线图和点图。
2. 散点图、气泡图、折线图、相关图、马赛克图。

二、实验内容

题目1

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 。(1-6题的死亡率，只考虑男性的死亡率)。
2. 绘制散点图，分别展示年龄、年份与男性的死亡率（对数即取 log）的关系。
3. 绘制年龄与对数生存人数的散点图，分析这 2 个量的关系。
4. 绘制直方图来观察一下男性死亡人数的分布。
5. 绘制男性的对数死亡人数即（Male_death 的对数）的直方图，来观察男性的对数死亡人口数的分布情况。
6. 计算 df 的各变量的相关系数，并画出相关图。

题目2

1. 通过读取文件 House-handle.csv 获取数据保存到 houseIndex 中。
2. 数据探索，绘制一张图表来展示 1990 到 2011 年的 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。
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。
4. 为了进一步了解 HPI 的波动，计算其每个月的增长率。绘图时，增长率为正数的月份由加号（“+”）表示，为负的用（“o”）表示。
5. 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）；并绘制一个 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））。
6. 绘制一个箱线图，来查看 HPI 的增长率的分布情况。

三、实现过程与实验结果

题目1

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 。(1-6题的死亡率，只考虑男性的死亡率)。

# 读取数据保存到df中
df <-
  read.csv("R\\data\\ex3\\death rate.csv")

# 数据行数
dim(df)[1]
## [1] 6105

# 缺失值行数
sum(rowSums(is.na(df)) > 0)
## [1] 240

# 剔除缺失行
df <- na.omit(df)

# 数据行数
nrow(df)
## [1] 5865

# 死亡率异常行数
nrow(df) - nrow(df[df$q_male > 0 & df$q_male <= 1,])
## [1] 133

# 剔除异常值行
df <- df[df$q_male > 0 & df$q_male <= 1,]

# 数据行数
length(df[, 1])
## [1] 5732

2.绘制散点图，分别展示年龄、年份与男性的死亡率（对数即取 log）的关系。

# 年龄与男性的死亡率散点图
# plot
plot(df$Age, log(df$q_male))

# qplot
qplot(
   x = Age,
   y = log(q_male),
   data = df,
   geom = "point"
 )

# ggplot2
library(ggplot2)
p <- ggplot(data = df, mapping =