Lecture 2 樣本性質分析
前面介紹了關於 rattle的資料載入，在此章，我們載入myCars.csv為範例說明資料性質分析。載入之前，rattle不會自動載入一個重要的套件ggplot2，所以，讀者在啟動 rattle 之前，請於主控台執行載入 library(ggplot2)
載入資料，則如圖 2.1 所示，Execute 後，載入資料。再點選 View，如圖 2.2，顯示資料內容。
圖 2.1: 內建資料載入mtcars
圖 2.2: 檢視資料(View)
依據R的官方文件，變數原文說明複製如下
mpg: Miles/(US) gallon
cyl: Number of cylinders
disp: Displacement (cu.in.)
hp: Gross horsepower
drat: Rear axle ratio
wt: Weight (1000 lbs)
qsec: 1/4 mile time
vs: 1=sedan, 0=others
am: Transmission (0 = automatic, 1 = manual)
gear: Number of forward gears
carb: Number of carburetors
最後一欄AM是我把am轉成字串，給練習題用的分類變數。
接下來對上面這筆資料進行統計性質分析，我們首先進入Explore，如圖 2.3
圖 2.3: 進入摘要分析頁面
圖 2.3 也指出了rattle設計的結構是一種樹形的階層結構。最上層是分析選單方格：由Data, Explore到Log。次一層Type，則是上一層各個選項的內容。依此類推，有此一概念後，這樣我們學起來就簡易許多。
2.1 Summary– 資料的敘述統計
rattle的資料分析，對於介面使用的統計函數的觀念，會提供詳細解說。如圖 2.3，解釋了Summary 這個階層內的最底層7個分析函數的內容。我們依次解說實做。
2.1.1 Summary- 簡易性質摘要
Summary之下的第1個就是Summary(簡易性質摘要)，按Execute後，會將資料檔所有選擇的變數，呈現出變數的分量性質：極小值~極大值。詳細見圖 2.4。
圖 2.4: 變數簡易性質摘要
2.1.2 Describe
第2個就是Describe (描述, 變數詳細性質摘錄)，按Execute後，會將資料檔所有選擇的變數， 呈現每個變數的詳細性質。除了前面的分量之外，還包括了：個數(n)，缺值數目(Missing)，和無重複數目(Unique)。詳細見圖 2.5。以mpg為例，22個觀察值中，有2個重複，無重複為20。
圖 2.5: 變數詳細性質
2.1.3 Basics
第3個是Basics(統計基礎性質，變數數據的基礎敘述統計)，按Execute後，會將資料檔所有選擇的變數，呈現每個變數詳細統計性質，如圖 2.6。包括四階動差：平均數，變異數，峰態和偏態。這裡注意：峰態一值，是減去了3。因為峰態＝3代表了常態。所以它提列的數值，代表了與常態對比。
圖 2.6: 數據敘述統計
2.1.4 Kurtosis
第4個是峰態，按Execute後，會將資料檔內所有選擇的變數，呈現每個變數的峰態減去3，如圖 2.7。因為峰態3是常態，用來衡量資料偏離常態的程度。
圖 2.7: 數據峰態
2.1.5 Skewness
第5個是偏態，按Execute後，會將資料檔內所有選擇的變數，呈現每個變數的偏態，如圖 2.8。偏態0是不偏，也就是對稱，用來衡量資料偏離對稱的程度。
圖 2.8: 數據偏態
2.2 Distribution– 資料的分佈性質
Explore 之下第二個就是資料分佈圖(Distribution)繪製。點選後，可以看到rattle繪製的五種圖：Box-plot (盒鬚圖)，Histogram (直方圖)，…. Pairs (兩兩散佈矩陣圖) 等五種。以圖 2.10為例，依圖指示，選前4個變數以直方圖表示，按Execute後，就會畫出如圖 2.11基於機率密度圖的直方圖。
圖 2.10: 選單
圖 2.11 的基於直方圖histogram計算的的密度分佈，是由高階繪圖套件ggplot2產生的。
圖 2.11: 資料分佈圖
圖 2.11 的顯示，每張圖下方都有惱人的文字 “Rattle 2015-Dec-17……..”，這記錄了圖形產生的時間。消除他的方法很簡易：在主選單選Settinsg後，點選消除Verbose，這記錄就會消除了。
如果選Pairs，就會繪製出圖 2.12的圖：主對角線是變數自己的kernel density圖，下三角是兩兩散佈矩陣圖，上三角則是相關係數。
圖 2.12: 選擇 pairs 繪製兩兩對稱圖
圖 2.10 的繪製項目選擇，需注意幾點：選一個圖，多個變數時(如此節範例)，rattle會將圖文框分割成n^2，產生一頁的圖。如果是一個變數多個圖，就不會這樣顯示，會一個圖一個圖顯示。讀者可以自行試一試。
最後，在選項旁，有一個Benford選項，這是依照Benford’s law的分佈圖，是用於偵測資料中的異常現象，一般用在會計數據的分析。
2.3 Correlation– 資料的相關係數矩陣
最後是變數與變數之間的相關係數(Correlation)。如圖 2.13圈選，按Execute之後，就會產生下半部的數值，以及圖 2.14用熱力圖(heatmap)顯示的效果。
圖 2.13: 相關係數數字矩陣
圖 2.14的相關係數熱力圖(heatmap)，使用漸層方式表示效果。藍色調的是正相關，紅色調的是負相關，深淺表示相關強度，白色就是相關係數接近0。圓面積是以相關係數當半徑的圓。自己和自己的相關係數為1，就是單位圓面積。
圖 2.14: 相關係數熱力圖
如圖 2.13選的，上面的結果，是由Pearson rank排序(Ordered)的相關數係數熱力圖，圖 2.15是相關係數散佈圖，是圖 2.12 一個改良版，也是特殊的功能。讀者試一試能否畫出來。
圖 2.15: 相關係數散佈圖
承圖 2.13，如果選擇右邊的Hierarchical method顯示，會顯示出一種轉置的樹形圖，如圖 2.16。我們垂直劃一條 1的補助線，來看原始相關係數。因為這個結構是集群(Cluster method)方法，我們就不在這裡解釋。同樣，選項的最後兩個，Principal Component 和Interactive，都屬於多變量進階方法，在後面我們會再回來解介紹這些方法。
圖 2.16: 集群顯示之相關係數結構
最後，我們來看分組顯示的效果。myCars.csv這筆資料有一個分組變數AM，圖 2.10中間有一個Group By的選項，在此選擇AM(如圖 2.17)，再執行分佈圖繪製。
圖 2.17: 選單內選擇以AM分組
依照圖 2.17 選4個變數後，繪出圖 2.18的分組圖。與圖 2.11的分布圖對比，分組顯示Group By的效果，會自動使用色彩，效果十分亮眼。
圖 2.18: 分組顯示組
如圖 2.17下方解說，rattle會自動將類別變數歸於下方。執行圖 2.19的內容，顯示出圖 2.20的結果。
圖 2.19: 分佈選單
圖 2.20: 類別變數頻次圖
ratlle 的繪圖套件，如果選擇多個變數，例如，同時選擇數值和類別，顯示的時候，圖檔會覆蓋；這個問題，用程式時，只要宣告dev.new() 開新繪圖視窗即可。在rattle，我們只要選擇Use Cairo Graphics Device即可。如圖 2.21。如圖內解說，這個設備，是一個新型的繪圖套件，也會將多個圖形做多重頁面顯示。多張圖，不會被最新的圖覆蓋。除此，這個裝置也將圖形的解析效果，更為精緻化。
圖 2.21: 類別變數頻次圖
圖 2.21 選擇繪圖設備