用r语言代码进行Puromycin数据集的相关分析：1、查看缺失值 2、缺失值处理 3、数据类型转换（可选） 4、分布分析 (1)分布分析（直方图） (2)分布分析（密度图） 5、占比分析 （1）类别占比（条形图） （2）类别占比（饼图） 6、相关分析 7、异常值分析 8、变量选择 9、删除重复行 10、数据集划分80/20，如果全部数据都有输出，需要增加一行没有输出的样本作为test。

以下是用R语言代码进行Puromycin数据集的相关分析的步骤：

1. 查看缺失值

# 读取数据集
puromycin <- read.csv("Puromycin.csv")

# 查看每个变量的缺失值数量
sapply(puromycin, function(x) sum(is.na(x)))

2. 缺失值处理

# 删除有缺失值的行
puromycin <- na.omit(puromycin)

3. 数据类型转换

在Puromycin数据集中，所有变量的数据类型都已经正确。

4. 分布分析

(1) 分布分析（直方图）

# 绘制Puromycin数据集中的所有变量的直方图
par(mfrow=c(3,2))
for(i in 1:6) {
  hist(puromycin[,i], xlab=names(puromycin[i]), main=paste("Histogram of", names(puromycin[i])))
}

(2) 分布分析（密度图）

# 绘制Puromycin数据集中的所有变量的密度图
par(mfrow=c(3,2))
for(i in 1:6) {
  plot(density(puromycin[,i]), xlab=names(puromycin[i]), main=paste("Density plot of", names(puromycin[i])))
}

5. 占比分析

(1) 类别占比（条形图）

# 统计Puromycin数据集中的类别变量的频数，并绘制条形图
barplot(table(puromycin$state), xlab="State", ylab="Frequency", main="Bar plot of State")

(2) 类别占比（饼图）

# 统计Puromycin数据集中的类别变量的频数，并绘制饼图
pie(table(puromycin$state), main="Pie chart of State")

6. 相关分析

# 计算Puromycin数据集中所有变量之间的相关系数
cor(puromycin)

7. 异常值分析

# 绘制Puromycin数据集中每个变量的箱线图
par(mfrow=c(3,2))
for(i in 1:6) {
  boxplot(puromycin[,i], xlab=names(puromycin[i]), main=paste("Boxplot of", names(puromycin[i])))
}

8. 变量选择

根据相关系数矩阵的结果，可以看出Puromycin数据集中的两个变量conc和rate之间有很强的线性相关性，可以选择其中一个变量进行分析。

9. 删除重复行

# 删除Puromycin数据集中的重复行
puromycin <- puromycin[!duplicated(puromycin),]

10. 数据集划分80/20，如果全部数据都有输出，需要增加一行没有输出的样本作为test。

# 将Puromycin数据集划分为训练集和测试集
set.seed(123)
train_index <- sample(nrow(puromycin), 0.8*nrow(puromycin))
train <- puromycin[train_index,]
test <- puromycin[-train_index,]