数据科学实战手册（R+Python）（第2版）

第2章　基于R的汽车数据可视化分析

本章包含以下主要内容。

• 获取汽车燃料效率数据。
• 为你的第一个分析项目准备好R。
• 将汽车燃料效率数据导入R。
• 探索并描述燃料效率数据。
• 分析汽车燃料效率数据随时间的变化情况。
• 研究汽车的品牌和型号。

2.1　简介

本书介绍的第一个项目是分析汽车燃料数据。我们首先用R编程语言对该数据集进行分析。R常称为数据科学通用语言，因为它是目前最流行的统计和数据分析语言。你将从本书的例子中看到，R在数据处理、分析、建模、可视化和开发有用的脚本以完成分析任务等方面，都是非常好用的工具。

本章的“食谱”大致遵循数据科学管道中的如下步骤：

• 获取；
• 探索和理解；
• 修改、整合和处理；
• 分析和建模；
• 沟通和实施。

从流程上讲，数据科学管道是数据科学的骨架。为了精通数据科学，你需要通过交替应用多种工具和方法来实现这些流程，从而获取经验。这样，在分析具体的数据集时，你将知道哪些方法和工具是适合的。

本章的目的是逐步引导你完成对汽车燃料效率数据的分析，从中你将学到数据科学管道的上述步骤，并且未来对其他数据集和项目进行分析时，你可以应用这些步骤。将本章视为热身吧，更多的挑战将在后续章节中展开。

2.2　获取汽车燃料效率数据

每一个数据科学项目都是从数据开始的，本章也并不例外。对于本例而言，我们需要深入研究一个包含燃料效率表现度量标准的数据集，在这个数据集中燃料效率用每英里消耗的燃料加仑数（MPG）来度量。数据集中包含自 1984 年开始记录的美国大多数品牌和型号汽车的相关数据。这份数据来自美国能源部和美国环保局。数据集中除了包含燃料效率数据以外，还有一些所列汽车的其他特征和属性数据。因此，我们有机会使用这类数据进行分组汇总统计，从而看到哪个汽车在历史上有更好的燃料利用效率，以及它们是如何随着时间变化的。最新的数据是在2013年12月4日更新的，本书中使用的数据是2013年12月8日从网站上下载的。 ...