Matriz de gráficos con RStudio Cloud

Utilizando la base de datos Adult Data Set disponible en UCI Machine Learning Repository: Adult Data Set

 

Utilizando RStudio Cloud

Código para elaborar matriz de gráficos

# Leer base de datos

read_csv

baseAdult <- read_csv("baseAdult.csv")

lapply(baseAdult, class)

# Validar niveles de variables:

fac_cols <- sapply(baseAdult, is.factor)

lapply(baseAdult[, fac_cols], levels)

frequency(RangoI)

View(baseAdult)

library(ggplot2)

library(plyr)

library(ROCR)

library(corrplot)

library(caret)

install.packages('rworldmap',dependencies=TRUE)

library(rworldmap)

library(data.table)

# Leer base de datos

library(readxl)

baseA<-read_csv('baseAdult.csv')

View(baseA)

# Análisis exploratorio

#con parámetros gráficos

par(mfrow=c(3,5))

# Layout

m=matrix(c(1,2,3,4,5,6,7,8,9,10,11,12,13,14,15), byrow=TRUE, ncol =5)

# Resultado de ésta línea

     [,1] [,2] [,3] [,4] [,5]

[1,]    1    4    7   10   13

[2,]    2    5    8   11   14

[3,]    3    6    9   12   15

m

layout(m)

# Muestra las 15 particiones

layout.show(15)

# Resultado de ésta línea

# 1 Gráficos

# g1  Histograma para Edad

par(mar=rep(2,4))

hist(x=baseA$Edad,las=2,xedad='Edad',main='Edad',cex.main=0.6,cex.axis=0.4,col=rainbow(14))

# g2  Barras para Clase

tdatosc<-prop.table(table(baseA$Clase))*100

tdatosc

g2=barplot(tdatosc,las=2,main='Clase',cex.main=0.6,cex.axis=0.4,cex.names=0.4,col=rainbow(9))

# g3  Histograma para Muestra

g3=hist(x=baseA$Muestra,las=2,xmuestra='Muestra',main='Muestra',cex.main=0.6,cex.axis=0.4,col=rainbow(9))

# g4  Barras para Nivel educativo

tdatosne<-prop.table(table(baseA$NivelE))*100

tdatosne

g4=barplot(tdatosne,las=2,main='NivelE',cex.main=0.6,cex.axis=0.4,cex.names=0.4,col=rainbow(17))

# g5  Histograma para Número de años de educación

hist(x=baseA$NumE,las=2,xnumE='NumE',main='Años E',cex.main=0.6,cex.axis=0.4,col=rainbow(16))

# g6  Barras para Relaciones

tdatosr<-prop.table(table(baseA$Estatus))*100

tdatosr

g6=barplot(tdatosr,las=2,main='Relaciones',cex.main=0.6,cex.axis=0.4,cex.names=0.4,col=rainbow(6))

# g7 Pastel para Sexo

tdatoss<-prop.table(table(baseA$Sexo))*100

pct=round(tdatoss,digits=0)

pct

lbls=paste(pct,'%',sep='')

color<-c('red','blue')

pie(x=pct,main='Sexo',cex.main=0.6,line=0.25,labels=lbls,cex=0.5,

    col=color)

legend('topright',c('Female','Male'),cex=0.4,fill=color)

# g8  Barras para Estado civil

tdatosec<-prop.table(table(baseA$Ecivil))*100

tdatosec

g8=barplot(tdatosec,las=2,main='Estado C',cex.main=0.6,cex.axis=0.4,cex.names=0.4,col=rainbow(7))

# g9  Barras para Raza

tdatosra<-prop.table(table(baseA$Raza))*100

tdatosra

g9=barplot(tdatosra,las=2,main='Raza',cex.main=0.6,cex.axis=0.4,cex.names=0.4,col=rainbow(5))

# g10  Barras para Ocupación

tdatoso<-prop.table(table(baseA$Ocupacion))*100

tdatoso

g10=barplot(tdatoso,las=2,main='Ocupación',cex.main=0.6,cex.axis=0.4,

           cex.names=0.4,col=rainbow(15))

# g11 Histograma para Ganancias

hist(x=baseA$Ganancias,las=2,xgan='Ganancias',main='Ganancias',

     cex.main=0.6,cex.axis=0.4,col=rainbow(16))

# g12 Histograma para Pérdidas

hist(x=baseA$Perdidas,las=2,xper='Perdidas',main='Pérdidas',

     cex.main=0.6,cex.axis=0.4,col=rainbow(16))

# g13 Barras para País

tdatosp<-prop.table(table(baseA$PaisO))*100

tdatosp

g13=barplot(tdatosp,las=2,main='PaisO',adj=1,cex.main=0.6,cex.axis=0.4,cex.names=0.4,col=rainbow(34))

# g14 Histograma para Horas trabajo

hist(x=baseA$MediaH,las=2,xmediash='MediaH',adj=1,main='MediasH',cex.main=0.6,cex.axis=0.4,col=rainbow(16))

# g15 Pastel para Ingreso

tdatosi<-prop.table(table(baseA$RangoI))*100

pcti=round(tdatosi,digits=0)

pcti

lblsi=paste(pcti,'%',sep='')

color<-c('turquoise','salmon')

pie(x=pcti,main='Ingreso',cex.main=0.6,line=0.25,labels=lblsi,cex=0.5,

    col=color)

legend('topright',c('<=50K','>50K'),cex=0.4,fill=color)

# Resultado de ésta línea