於專案中使用install.package來安裝ggplot2，並將套件載入，使用R語言內建的iris(鳶尾花資料集)進行皮爾森積差相關分析並產生散佈圖。
相關分析解讀要點：
- 相關係數介於-1(負相關)至1(正相關)之間
- 相關係數沒有單位
- 兩數列有相關，並不表示有因果關係
- 從ggplot2產生的散佈圖中，兩數列若呈現線性關係，則表示有相關聯性
cor方法其他參數可參考：https://www.rdocumentation.org/packages/stats/versions/3.5.1/topics/cor
# 參考來源：https://rpubs.com/skydome20/R-Note5-First_Practice
# install.packages(
# "ggplot2",
# repos = c("http://rstudio.org/_packages",
# "http://cran.rstudio.com")
# )
#install.packages("Rtools",repos = "https://cran.r-project.org/bin/windows/Rtools/")
library("ggplot2")
#iris資料集說明：R語言內建的鳶尾花資料(from datasets)
#Sepal.Length:花萼長度(cm)
#Sepal.Width:花萼寬度(cm)
#Petal.Length:花瓣長度(cm)
#Petal.Width:花瓣寬度(cm)
#Species：Setosa,Versicolor,Virginica(3種)
typeof(iris)
names(iris) #列出所有資料欄位
cor1 <- cor(iris$Sepal.Length,iris$Sepal.Width) #兩數列求相關係數
finalRow <- lapply(iris, "[[", length(iris)) #篩選iris列表中索引值最高的資料
head(iris , n=10) #列出整個list太多，所以只列出iris列表中的前10筆
summary(iris) #基本統計分析
iris[0] #顯示資訊
iris[-5] #去掉第5行(直)
cor(iris[-5]) #去掉第5行，將剩餘的數列做相關分析，求相關係數
irisfilter <- iris[-3][-3][-3] #去掉第3 4 5行 ,使用List型態，則內容為動態，第3行 刪掉, 第4行、第5行會往前遞補
head(irisfilter , n=10) #列出整個list太多，所以只列出iris列表中的前10筆
irisfilter$Sepal.Length #欄位內容顯示(以陣列方式讀出)
irisfilter$Sepal.Width #欄位內容顯示(以陣列方式讀出)
cor2 <- cor(irisfilter$Sepal.Length , irisfilter$Sepal.Width) #兩數列求相關係數
cor2
all.equal(cor1 , cor2) #比較兩個相關係數是否相等
pairs(irisfilter) # 相關分析繪圖
pairs(iris[-5]) # 相關分析繪圖
執行結果如下：
> typeof(iris)
[1] "list"
> names(iris) #列出所有資料欄位
[1] "Sepal.Length" "Sepal.Width" "Petal.Length" "Petal.Width" "Species"
> cor1 <- cor(iris$Sepal.Length,iris$Sepal.Width) #兩數列求相關係數
> finalRow <- lapply(iris, "[[", length(iris)) #篩選iris列表中索引值最高的資料
> head(iris , n=10) #列出整個list太多，所以只列出iris列表中的前10筆
Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1 5.1 3.5 1.4 0.2 setosa
2 4.9 3.0 1.4 0.2 setosa
3 4.7 3.2 1.3 0.2 setosa
4 4.6 3.1 1.5 0.2 setosa
5 5.0 3.6 1.4 0.2 setosa
6 5.4 3.9 1.7 0.4 setosa
7 4.6 3.4 1.4 0.3 setosa
8 5.0 3.4 1.5 0.2 setosa
9 4.4 2.9 1.4 0.2 setosa
10 4.9 3.1 1.5 0.1 setosa
> summary(iris) #基本統計分析
Sepal.Length Sepal.Width Petal.Length Petal.Width
Min. :4.300 Min. :2.000 Min. :1.000 Min. :0.100
1st Qu.:5.100 1st Qu.:2.800 1st Qu.:1.600 1st Qu.:0.300
Median :5.800 Median :3.000 Median :4.350 Median :1.300
Mean :5.843 Mean :3.057 Mean :3.758 Mean :1.199
3rd Qu.:6.400 3rd Qu.:3.300 3rd Qu.:5.100 3rd Qu.:1.800
Max. :7.900 Max. :4.400 Max. :6.900 Max. :2.500
Species
setosa :50
versicolor:50
virginica :50
> iris[0] #顯示資訊
data frame with 0 columns and 150 rows
> head(iris[-5], n=10) #去掉第5行(直)
Sepal.Length Sepal.Width Petal.Length Petal.Width
1 5.1 3.5 1.4 0.2
2 4.9 3.0 1.4 0.2
3 4.7 3.2 1.3 0.2
4 4.6 3.1 1.5 0.2
5 5.0 3.6 1.4 0.2
6 5.4 3.9 1.7 0.4
7 4.6 3.4 1.4 0.3
8 5.0 3.4 1.5 0.2
9 4.4 2.9 1.4 0.2
10 4.9 3.1 1.5 0.1
> cor(iris[-5]) #去掉第5行，將剩餘的數列做相關分析，求相關係數
Sepal.Length Sepal.Width Petal.Length Petal.Width
Sepal.Length 1.0000000 -0.1175698 0.8717538 0.8179411
Sepal.Width -0.1175698 1.0000000 -0.4284401 -0.3661259
Petal.Length 0.8717538 -0.4284401 1.0000000 0.9628654
Petal.Width 0.8179411 -0.3661259 0.9628654 1.0000000
> irisfilter <- iris[-3][-3][-3] #去掉第3 4 5行 ,使用List型態，則內容為動態，第3行 刪掉, 第4行、第5行會往前遞補
> head(irisfilter , n=10) #列出整個list太多，所以只列出iris列表中的前10筆
Sepal.Length Sepal.Width
1 5.1 3.5
2 4.9 3.0
3 4.7 3.2
4 4.6 3.1
5 5.0 3.6
6 5.4 3.9
7 4.6 3.4
8 5.0 3.4
9 4.4 2.9
10 4.9 3.1
> irisfilter$Sepal.Length #欄位內容顯示(以陣列方式讀出)
[1] 5.1 4.9 4.7 4.6 5.0 5.4 4.6 5.0 4.4 4.9 5.4 4.8 4.8 4.3 5.8 5.7 5.4 5.1
[19] 5.7 5.1 5.4 5.1 4.6 5.1 4.8 5.0 5.0 5.2 5.2 4.7 4.8 5.4 5.2 5.5 4.9 5.0
[37] 5.5 4.9 4.4 5.1 5.0 4.5 4.4 5.0 5.1 4.8 5.1 4.6 5.3 5.0 7.0 6.4 6.9 5.5
[55] 6.5 5.7 6.3 4.9 6.6 5.2 5.0 5.9 6.0 6.1 5.6 6.7 5.6 5.8 6.2 5.6 5.9 6.1
[73] 6.3 6.1 6.4 6.6 6.8 6.7 6.0 5.7 5.5 5.5 5.8 6.0 5.4 6.0 6.7 6.3 5.6 5.5
[91] 5.5 6.1 5.8 5.0 5.6 5.7 5.7 6.2 5.1 5.7 6.3 5.8 7.1 6.3 6.5 7.6 4.9 7.3
[109] 6.7 7.2 6.5 6.4 6.8 5.7 5.8 6.4 6.5 7.7 7.7 6.0 6.9 5.6 7.7 6.3 6.7 7.2
[127] 6.2 6.1 6.4 7.2 7.4 7.9 6.4 6.3 6.1 7.7 6.3 6.4 6.0 6.9 6.7 6.9 5.8 6.8
[145] 6.7 6.7 6.3 6.5 6.2 5.9
> irisfilter$Sepal.Width #欄位內容顯示(以陣列方式讀出)
[1] 3.5 3.0 3.2 3.1 3.6 3.9 3.4 3.4 2.9 3.1 3.7 3.4 3.0 3.0 4.0 4.4 3.9 3.5
[19] 3.8 3.8 3.4 3.7 3.6 3.3 3.4 3.0 3.4 3.5 3.4 3.2 3.1 3.4 4.1 4.2 3.1 3.2
[37] 3.5 3.6 3.0 3.4 3.5 2.3 3.2 3.5 3.8 3.0 3.8 3.2 3.7 3.3 3.2 3.2 3.1 2.3
[55] 2.8 2.8 3.3 2.4 2.9 2.7 2.0 3.0 2.2 2.9 2.9 3.1 3.0 2.7 2.2 2.5 3.2 2.8
[73] 2.5 2.8 2.9 3.0 2.8 3.0 2.9 2.6 2.4 2.4 2.7 2.7 3.0 3.4 3.1 2.3 3.0 2.5
[91] 2.6 3.0 2.6 2.3 2.7 3.0 2.9 2.9 2.5 2.8 3.3 2.7 3.0 2.9 3.0 3.0 2.5 2.9
[109] 2.5 3.6 3.2 2.7 3.0 2.5 2.8 3.2 3.0 3.8 2.6 2.2 3.2 2.8 2.8 2.7 3.3 3.2
[127] 2.8 3.0 2.8 3.0 2.8 3.8 2.8 2.8 2.6 3.0 3.4 3.1 3.0 3.1 3.1 3.1 2.7 3.2
[145] 3.3 3.0 2.5 3.0 3.4 3.0
> cor2 <- cor(irisfilter$Sepal.Length , irisfilter$Sepal.Width) #兩數列求相關係數
> cor2
[1] -0.1175698
> all.equal(cor1 , cor2) #比較兩個相關係數是否相等
[1] TRUE
pairs(irisfilter)產生的散佈圖如下，散佈圖的解釋可對照cor(iris[-3][-3][-3])的執行結果
pairs(iris[-5])產生的散佈圖如下，散佈圖的解釋可對照cor(iris[-5])的執行結果