บทนำสู่การวิเคราะห์ข้อมูลเชิงสำรวจ (EDA)

การวิเคราะห์ข้อมูลเชิงสำรวจ (EDA) ช่วยสรุปชุดข้อมูลและค้นหารูปแบบ แนวโน้ม และค่าผิดปกติ

การดูโครงสร้างข้อมูล

ใช้ str() เพื่อตรวจสอบโครงสร้างของชุดข้อมูล

str(mtcars)

การสรุปข้อมูล

ใช้ summary() เพื่อดูสถิติสำคัญของตัวแปรแต่ละตัว

summary(mtcars)

การตรวจสอบค่าที่หายไป

ใช้ is.na() เพื่อตรวจหาค่าที่หายไปในชุดข้อมูล

sum(is.na(mtcars))

การแสดงภาพการแจกแจง

ใช้ hist() เพื่อสร้างฮิสโตแกรมสำหรับตัวแปรเชิงตัวเลข

hist(mtcars$mpg, col='blue', main='Histogram of MPG')

การสร้างแผนภาพกล่อง

ใช้ boxplot() เพื่อตรวจหาค่าผิดปกติในชุดข้อมูล

boxplot(mtcars$mpg, main='Boxplot of MPG', col='red')

แผนภาพกระจาย

ใช้ plot() เพื่อสำรวจความสัมพันธ์ระหว่างตัวแปรเชิงตัวเลขสองตัว

plot(mtcars$mpg, mtcars$hp, main='MPG vs Horsepower', xlab='MPG', ylab='Horsepower', col='green')

การตรวจหาสหสัมพันธ์

ใช้ cor() เพื่อคำนวณค่าสัมประสิทธิ์สหสัมพันธ์ระหว่างตัวแปรเชิงตัวเลข

cor(mtcars$mpg, mtcars$hp)

สรุป

ในบทเรียนนี้ คุณได้เรียนรู้:

• วิธีสรุปชุดข้อมูลโดยใช้ summary() และ str()
• วิธีแสดงภาพการแจกแจงและตรวจหาค่าผิดปกติ
• วิธีสำรวจความสัมพันธ์ระหว่างตัวแปรโดยใช้สหสัมพันธ์และแผนภาพกระจาย