5.3.4 习题解答
问题一
研究 x、y 和 z 变量在 diamonds 数据集中的分布。你能发现什么？思考一下，对于一条钻石数据，如何确定表示长、宽和高的变量？
解答
- 首先，计算这些变量的汇总统计信息并绘制其分布。
summary(select(diamonds, x, y, z)) #> x y z #> Min. : 0.00 Min. : 0.0 Min. : 0.0 #> 1st Qu.: 4.71 1st Qu.: 4.7 1st Qu.: 2.9 #> Median : 5.70 Median : 5.7 Median : 3.5 #> Mean : 5.73 Mean : 5.7 Mean : 3.5 #> 3rd Qu.: 6.54 3rd Qu.: 6.5 3rd Qu.: 4.0 #> Max. :10.74 Max. :58.9 Max. :31.8 ggplot(diamonds) + geom_histogram(mapping = aes(x = x), binwidth = 0.01) ggplot(diamonds) + geom_histogram(mapping = aes(x = y), binwidth = 0.01) ggplot(diamonds) + geom_histogram(mapping = aes(x = z), binwidth = 0.01)
从分布中可以看出几个特征：
- x 比 y 和 z 大
- 存在离群点
- 三个变量都是右偏分布
结论：x是长度，y是宽度，z是深度。因为长度总是小于宽度，否则长度就叫做宽度。通过搜索钻石长度、宽度和深度的定义。深度可以表示为钻石的长度/宽度的百分比，这意味着它应该小于长度和宽度。
问题二
研究 price 的分布，你能发现不寻常或令人惊奇的事情吗？（提示：仔细考虑一下binwidth 参数，并确定试验了足够多的取值。）
解答
改变binwidth参数就可以查看不同范围内的变量分布啦，下面是几个示例，根据画的图可以找到很多有趣的信息哟，赶紧试试吧！
ggplot(filter(diamonds, price < 2500), aes(x = price)) + geom_histogram(binwidth = 10, center = 0) ggplot(filter(diamonds), aes(x = price)) + geom_histogram(binwidth = 100, center = 0) diamonds %>% mutate(ending = price %% 10) %>% ggplot(aes(x = ending)) + geom_histogram(binwidth = 1, center = 0) diamonds %>% mutate(ending = price %% 100) %>% ggplot(aes(x = ending)) + geom_histogram(binwidth = 1)
问题三
0.99 克拉的钻石有多少？1 克拉的钻石有多少？造成这种区别的原因是什么？
解答
diamonds %>% filter(carat >= 0.99, carat <= 1) %>% count(carat) #> # A tibble: 2 x 2 #> carat n #> <dbl> <int> #> 1 0.99 23 #> 2 1 1558
问题四
比较并对比 coord_cartesina() 和 xlim()/ylim() 在放大直方图时的功能。如果不设置binwidth 参数，会发生什么情况？如果将直方图放大到只显示一半的条形，那么又会发生什么情况？
解答
在计算和绘制图形后，coord_cartesian()函数将放大由限制指定的区域。因为已经计算了直方图容器，所以它不受影响。
ggplot(diamonds) + geom_histogram(mapping = aes(x = price)) + coord_cartesian(xlim = c(100, 5000), ylim = c(0, 3000)) #> `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.
但是，在计算与直方图相关的统计数据之前xlim()和ylim()函数会影响操作。因此，在计算箱子宽度和计数之前，将删除x和y界限之外的值。这可能会影响直方图的外观。
