gráficos de dispersión con 3 variables del dataset IRIS usando R. Cada gráfico mostrará diferentes combinaciones de las variables del dataset:

Sepal.Length, Sepal.Width, Petal.Length, y Petal.Width.

Primero, asegúrate de tener el dataset IRIS cargado en R:

# Cargar el dataset IRIS
data(iris)
setwd("~/mod 3")

Gráfico 1: Sepal.Length vs Sepal.Width, coloreado por Species

# Gráfico 1
plot(iris$Sepal.Length, iris$Sepal.Width, col=iris$Species, 
     xlab="Sepal Length", ylab="Sepal Width", 
     main="Sepal Length vs Sepal Width")
legend("topright", legend=levels(iris$Species), col=1:3, pch=1)

Gráfico 2: Sepal.Length vs Petal.Length, coloreado por Species

# Gráfico 2
plot(iris$Sepal.Length, iris$Petal.Length, col=iris$Species, 
     xlab="Sepal Length", ylab="Petal Length", 
     main="Sepal Length vs Petal Length")
legend("topright", legend=levels(iris$Species), col=1:3, pch=1)

Gráfico 3: Sepal.Length vs Petal.Width, coloreado por Species

# Gráfico 3
plot(iris$Sepal.Length, iris$Petal.Width, col=iris$Species, 
     xlab="Sepal Length", ylab="Petal Width", 
     main="Sepal Length vs Petal Width")
legend("topright", legend=levels(iris$Species), col=1:3, pch=1)

Gráfico 4: Sepal.Width vs Petal.Length, coloreado por Species

# Gráfico 4
plot(iris$Sepal.Width, iris$Petal.Length, col=iris$Species, 
     xlab="Sepal Width", ylab="Petal Length", 
     main="Sepal Width vs Petal Length")
legend("topright", legend=levels(iris$Species), col=1:3, pch=1)

Gráfico 5: Sepal.Width vs Petal.Width, coloreado por Species

# Gráfico 5
plot(iris$Sepal.Width, iris$Petal.Width, col=iris$Species, 
     xlab="Sepal Width", ylab="Petal Width", 
     main="Sepal Width vs Petal Width")
legend("topright", legend=levels(iris$Species), col=1:3, pch=1)

Gráfico 6: Petal.Length vs Petal.Width, coloreado por Species

# Gráfico 6
plot(iris$Petal.Length, iris$Petal.Width, col=iris$Species, 
     xlab="Petal Length", ylab="Petal Width", 
     main="Petal Length vs Petal Width")
legend("topright", legend=levels(iris$Species), col=1:3, pch=1)

Gráfico 7: Sepal.Length vs Sepal.Width, tamaño de puntos por Petal.Length

# Gráfico 7
plot(iris$Sepal.Length, iris$Sepal.Width, col=iris$Species, 
     xlab="Sepal Length", ylab="Sepal Width", 
     main="Sepal Length vs Sepal Width (Size by Petal Length)",
     cex=iris$Petal.Length/mean(iris$Petal.Length))
legend("topright", legend=levels(iris$Species), col=1:3, pch=1)

Explicación

  1. Gráficos 1-6: Cada gráfico muestra una combinación de dos variables del dataset IRIS, coloreadas por la especie de la flor (Setosa, Versicolor, Virginica). Esto permite visualizar cómo se distribuyen las diferentes especies en función de las variables seleccionadas.
  2. Gráfico 7: Similar al Gráfico 1, pero con el tamaño de los puntos ajustado según la longitud del pétalo. Esto añade una tercera dimensión visual al gráfico, permitiendo observar cómo varía la longitud del pétalo junto con las otras dos variables.

Espero que estos gráficos te sean útiles. ¿Hay algo más en lo que pueda ayudarte?

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