用r语言来进行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。

首先，需要导入Puromycin数据集：

# 导入Puromycin数据集
data(Puromycin)

1、查看缺失值

# 查看缺失值
sum(is.na(Puromycin))

结果显示，该数据集没有缺失值。

2、缺失值处理

由于该数据集没有缺失值，所以不需要进行缺失值处理。

3、数据类型转换

由于该数据集已经是数值型数据，所以不需要进行数据类型转换。

4、分布分析

(1) 分布分析（直方图）

# 分布分析（直方图）
hist(Puromycin$conc)

(2) 分布分析（密度图）

# 分布分析（密度图）
plot(density(Puromycin$conc))

5、占比分析

(1) 类别占比（条形图）

# 类别占比（条形图）
barplot(table(Puromycin$state), col = rainbow(2), main = "Puromycin State")

(2) 类别占比（饼图）

# 类别占比（饼图）
pie(table(Puromycin$state), col = rainbow(2), main = "Puromycin State")

6、相关分析

# 相关分析
cor(Puromycin$conc, Puromycin$rate)

结果显示，conc和rate之间的相关系数为0.97，呈现高度正相关。

7、异常值分析

可以通过箱线图进行异常值分析。

# 异常值分析
boxplot(Puromycin$conc, main = "Puromycin Concentration")

8、变量选择

根据相关分析的结果，可以选择conc和rate两个变量作为建模的自变量。

# 变量选择
Puromycin_subset <- Puromycin[, c("conc", "rate")]

9、删除重复行

# 删除重复行
Puromycin_subset <- unique(Puromycin_subset)

10、数据集划分

# 数据集划分
library(caret)
set.seed(123)
trainIndex <- createDataPartition(Puromycin_subset$rate, p = 0.8, list = FALSE)
train <- Puromycin_subset[trainIndex, ]
test <- Puromycin_subset[-trainIndex, ]

在数据集划分之后，需要注意检查test数据中是否还有未被分配的样本。如果有，需要将其加入到test数据中。

# 检查test数据中是否还有未被分配的样本
setdiff(rownames(Puromycin_subset), c(rownames(train), rownames(test)))

# 将未被分配的样本加入到test数据中
test <- rbind(test, Puromycin_subset[25, ])