如何为学习，实验和教学生成有意义的人造数据集？

关于R，有一件事是很多人的首选。iris数据集的黑白图已是R的一个巨无聊视图。这无聊是因为其美学和一次次使用的老套的例子。另一个问题是为你想教/学/实验的问题找到合适的数据集。假设您想讲时间序列，而在这种情况下，您的垃圾邮件/火腿分类数据集没有任何用处。

不要担心，fakir可以帮助我们。fakir是一个由Colin Fay (Think-R)设计的R包，他对R社区的贡献非常大。

在文档中，fakir的目标是提供可用于教学R的人造数据集。

fakir可以从Github上安装(CRAN上还没有fakir)

# install.packages("devtools")devtools::install_github("ThinkR-open/fakir")library(fakir)

Clickstream / Web数据是目前许多组织在分析中使用的一个东西，但是你很难得到一些点击流数据，因为没有公司愿意分享他们的数据。在谷歌分析测试帐户上有一个样本数据，但这可能对您学习R或R的生态系统中的数据科学没有任何帮助。

这是一个典型的例子，fakir可以帮助你

library(tidyverse)fakir::fake_visits() %>% head()

这就是使用fakir获取示例Clickstream (tidy)数据是如此的简单。另一件值得注意的事情是，如果您查看fake_visit()文档，您会发现有一个seed参数，这意味着您可以控制数据的随机化和可重复性它们。

fake_visits(from = "2017-01-01", to = "2017-12-31", local = c("en_US", "fr_FR"), seed = 2811) %>% head()

此外，在上面使用fake_visit()函数时，您可能注意到了另一个属性local，它可以帮助您选择French数据而不是English数据。在我个人看来，如果您的任务是提高数据素养或使数据科学民主化，那么这一点至关重要。

fake_ticket_client(vol = 10, local = "fr_FR") %>% head()

在上面的例子中，我们使用了fakir的另一个函数fake_ticket_client()，它帮助我们给出一个典型的票据数据集(就像您从ServiceNow或Zendesk获得的数据集)

所以，我在这篇文章开始关于iris数据集的叫嚷（别误会我：我对创建这个数据集的科学家们非常尊重，只是我对它的错误/过度使用了不欣赏）现在我们可以使用fakir数据集来克服它。

fake_visits() %>%   ggplot() + geom_point(aes(blog,about, color = as.factor(month)))

(也许，不是一个好的散点图来显示相关性，但是，嘿，你可以教散点图不绘制花瓣长度和萼片长度)

如果你从事教学或喜欢实验，不想使用老套的数据集，fakir是一个非常好的值得了解的包。正如fakir包的作者在描述中提到的，charlatan是另一种帮助生成有意义的假数据的r -包。

本文为专栏文章，来自：数据人网，内容观点不代表本站立场，如若转载请联系专栏作者，本文链接：https://www.afenxi.com/73484.html 。