《R语言与数据挖掘最佳实践和经典案例》—— 3.3　探索多个变量

3.3　探索多个变量

查看了单个变量的分布后，还需要探索两个变量之间的关系。下面我们使用函数cov()和cor()分别计算变量之间的协方差和相关系数。

接下来，使用函数aggregate()计算每一个鸢尾花种（Species）的Sepal.Length的统计数据。

然后，使用函数boxplot()绘制盒图（又称为盒形-虚线图），以展示数据分布的中位数、第一四分位数和第三四分位数（即累积分布中的位于50%、25%、75%位置上的点），以及离群点。盒图中间的横线表示中位数。图（3-5）显示了四分位差（IQR），即第三四分位数（75%）与第一四分位数（25%）的差值。

下面使用函数plot()绘制两个数值型变量的散布图，使用函数with()后不需要在变量名前加上“iris$”前缀。在下面的代码中，各个数据点根据不同品种设置了不同的颜色（col）和标志（pch）。

当数据量很大时，图中的数据点可能会出现重叠。因此，在绘制散布图前使用函数jitter()添加少量噪声数据（见图3-7）。

散布图矩阵由函数pairs()生成（见图3-8）。