Scribd
Importer
5 vues2 pages

Analyse de données en R : Handball et Iris

Le document décrit des analyses de données sur trois ensembles de données : handball, iris et ski. Il présente des méthodes pour importer des données, résumer des variables qualitatives et quantitatives, ainsi que des visualisations graphiques comme des histogrammes et des diagrammes en barres. Des statistiques descriptives telles que la moyenne et l'écart type sont également calculées pour les variables d'âge et de longueur de pétale.

Transféré par

emna.rebai12
Copyright
© All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats TXT, PDF, TXT ou lisez en ligne sur Scribd
5 vues2 pages

Analyse de données en R : Handball et Iris

Le document décrit des analyses de données sur trois ensembles de données : handball, iris et ski. Il présente des méthodes pour importer des données, résumer des variables qualitatives et quantitatives, ainsi que des visualisations graphiques comme des histogrammes et des diagrammes en barres. Des statistiques descriptives telles que la moyenne et l'écart type sont également calculées pour les variables d'âge et de longueur de pétale.

Transféré par

emna.rebai12
Copyright
© All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats TXT, PDF, TXT ou lisez en ligne sur Scribd

1/handball=[Link](file=file.

choose(),header=TRUE) // importer des tables du


fichier handball
2/lister ->donner le nom de toute variables == names
--> names(handball)= donner le nom de toute variables de fichier handball

3/classe c: sagit il d'une var continue (num)ou var discete (int)ou qualitatif(chr
ou factor)
Postes=handball$POSTE

4/summary(Postes) ==> variable qualitative


Length Class Mode
64 character character
5/ si on n'a pas les ni on est obligé de faire table(Postes)
t=table(Postes)
> t
Postes
ailier arrcent arrlat gardien pivot
16 5 19 13 11
> fi=t/64
> fi
Postes
ailier arrcent arrlat gardien pivot
0.250000 0.078125 0.296875 0.203125 0.171875
6/pie(t)
7/color=c("red","blue","green","yellow","pink")
> barplot(t,col=color)

8/taille=handball$TAD --> on met la colone TAD dans la variable


> summary(taille)
Min. 1st Qu. Median Mean 3rd Qu. Max.
170.0 178.2 182.8 183.2 188.0 198.5

9/ hist(taille)

10/length(taille[taille>175 & taille <=180])


[1] 14

partie 2:
1/iris
2/names(iris)
dim(iris)
[1] 150 5 (5 fleurs et 150=N =total )
3/ str(iris)
4/
Species=iris$Species -->on met la colonne Species dans une variable Species
summary(Species )
setosa versicolor virginica
50 50 50

5/ modalité:
levels(Species)
[1] "setosa" "versicolor" "virginica"

6/ levels(Species)
[1] "setosa" "versicolor" "virginica"
7/ t=table(Species);
> t
Species
setosa versicolor virginica
50 50 50
> barplot(t)
> pie(t)
> pie(t)
> barplot(t)
8/
[Link]=iris$[Link]
[Link]
[1] 1.4 1.4 1.3 1.5 1.4 1.7 1.4 1.5 1.4 1.5 1.5 1.6 1.4 1.1 1.2 1.5 1.3 1.4
[19] 1.7 1.5 1.7 1.5 1.0 1.7 1.9 1.6 1.6 1.5 1.4 1.6 1.6 1.5 1.5 1.4 1.5 1.2
[37] 1.3 1.4 1.3 1.5 1.3 1.3 1.3 1.6 1.9 1.4 1.6 1.4 1.5 1.4 4.7 4.5 4.9 4.0
[55] 4.6 4.5 4.7 3.3 4.6 3.9 3.5 4.2 4.0 4.7 3.6 4.4 4.5 4.1 4.5 3.9 4.8 4.0
[73] 4.9 4.7 4.3 4.4 4.8 5.0 4.5 3.5 3.8 3.7 3.9 5.1 4.5 4.5 4.7 4.4 4.1 4.0
[91] 4.4 4.6 4.0 3.3 4.2 4.2 4.2 4.3 3.0 4.1 6.0 5.1 5.9 5.6 5.8 6.6 4.5 6.3
[109] 5.8 6.1 5.1 5.3 5.5 5.0 5.1 5.3 5.5 6.7 6.9 5.0 5.7 4.9 6.7 4.9 5.7 6.0
[127] 4.8 4.9 5.6 5.8 6.1 6.4 5.6 5.1 5.6 6.1 5.6 5.5 4.8 5.4 5.6 5.1 5.1 5.9
[145] 5.7 5.2 5.0 5.2 5.4 5.1
> summary( [Link])
Min. 1st Qu. Median Mean 3rd Qu. Max. 1.000 1.600 4.350 3.758
5.100 6.900
> mean([Link])
[1] 3.758

9/sort([Link])
10/ plot([Link],[Link],xlab="largeur",ylab="nuage de points")
cor([Link],[Link])
[1] 0.9628654 ==>corrélation forte entre [Link] et [Link]

Partie3:
1/ski=[Link](file=[Link](),header=TRUE, sep="\t")
sep="\t"= séparateur utilisé pour séparerles colonnes
2/str(ski)
3/age=ski$age
mean(age)
[1] 37.66246
> sd(age)
[1] 13.70772

*Extraire la ligne de l’observation ayant l’âge le plus élevé :names([Link](t))


[1] "43"

Vous aimerez peut-être aussi