1. 完整的數據分析流程
- 定義研究問題
- 定義理想數據集
- 確定能夠獲取什么數據
- 清理數據
2. 變量的類型：
- 數值變量（可進行加減乘除運算）：連續（可在給定區間取任意數值）、離散（給定集合內不連續取值）
- 分類變量（取值空間有限，不能進行運算）：有序（順序有意義）、無序（不可比較）
1. 數值變量特征和可視化
集中趨勢測量（均值、中位數、眾數）
均值=（數值之和）/（數值個數）
中位數=排序后位於正中間的一個數（奇數）、排序后位於正中間的兩個數的均值（偶數）
眾數=出現次數最多的數
分散趨勢測量（值域、方差、標准差、四分位距）
舉個例子：
其中，中位數、四分位距是穩健統計量，受極端值影響小。
一個數值變量的可視化
柱狀圖：橫坐標表示預測值所有可能的取值，縱坐標表示頻數。
點圖：橫坐標表示預測值所有可能的取值，縱坐標表示出現的次數。比如出現了一次，就會對應一個點。
箱圖：展示25%分位點、50%分位點、75%分位點。在范圍（25%分位點-1.5四分位距，75%分位點+1.5四分位距）之外的點命異常點。
兩個數值變量的關系
散點圖：顯示方向、形狀、強度、極端值。比如正相關、負相關。
2. 分類變量的特征和可視化
一個分類變量可視化
頻率表：表格的形式展現數據的分類水平出現的頻率。
條形圖：橫坐標表示分類變量的每一個水平。
兩個分類變量的關系
關聯表
相對頻率表
分段條形圖、相對頻率的分段條形圖
馬賽克圖
3.一個分類變量一個數值變量
並排箱圖：橫軸分類變量取值，縱軸為每個分類變量下對應的數值變量。
3. 三大繪圖系統
基本繪圖系統
藝術家的調色板，繪圖始於空白畫布。分為兩個步驟 = 圖+修飾添加 = 執行一系列的函數。適於繪制2D圖。
繪圖函數（graphics包）---plot/ hist / boxplot /points /lines /text /title / axis，調用函數的時候會啟動一個圖形設備。
plot(x,y,...)，其中重要的參數有：xlab / ylab：x軸y 軸的標簽，lwd線寬，lty線的類型(2為虛線)，pch點，col顏色。
par()，用於設置全局參數，bg：背景顏色，mar邊距，las標簽排版，mfrow行列，mfcol列行。
舉例子：
hist(airquality$Wind,xlab = "wind")
#一個數值變量的直方圖
boxplot(airquality$Wind,xlab="wind",ylab="speed")
#一個數值變量的箱圖
boxplot(Wind~Month,airquality)
#一個數值變量一個分類變量的並排箱圖，橫軸為分類水平。
plot(airquality$Wind,airquality$Temp)
#風速與溫度的散點圖，也可以寫成with函數：
with(airquality,plot(Wind,Temp))
with(subset(airquality,Month==9),points(Wind,Temp,col="red"))
with(subset(airquality,Month==5),points(Wind,Temp,col="blue"))
with(subset(airquality,Month %in% c(6,7,8)),points(Wind,Temp,col="black"))
不同月份的點用不同顏色繪制
fit<-lm(Temp~Wind,airquality)
abline(fit,lwd=2)
#做一條擬合線
legend("topright",pch=1,col = c("red","blue","black"),legend = c("sep","may","other"))
#做圖例
par(mfrow=c(1,2))
hist(airquality$Wind)
hist(airquality$Temp)
#將屏幕分為兩個部分作圖。
