分析数据的第一件事，就是观察它。
mtcars数据集
mtcars数据集收集了32种不同汽车的11个变量。
问题1：我们想知道在这32种汽车中，不同气缸数量的汽车分别有多少种？
代码
于是我们知道了，有4个气缸的汽车有11种，6个气缸的汽车有7种，8个气缸的汽车有14种。用条形图来表示更直观一些。
> counts <- table(mtcars$cyl)
> barplot(counts,xlab="Number of cylinders",ylab="Numbers of cars")
简单条形图
问题2：不同引擎类型的汽车分别有几个气缸数？
> counts <- table(mtcars$cyl,mtcars$vs)
> barplot(counts,xlab="Engine (0 = V-shaped, 1 = straight)",ylab="Kinds",legend=T,beside=T) #如果beside=F，则画出的是堆叠条形图。
分组条形图
从图中，我们可以看出，V-shaped引擎的气缸数和straight引擎的气缸数的区别。
问题3：不同气缸数的汽车平均每加仑油能行驶多远？
> means <- aggregate(mtcars$mpg,by=list(mtcars$cyl),FUN=mean) #按照cyl这列的不同类别，对mpg分组，并分组求平均
> means <- means[order(means$x),] #根据平均值，从小到大排序
> barplot(means$x,names.arg=means$Group.1,main="Mean mpg",xlab="Number of cylinders")
平均值条形图
从图中，我们看出，气缸数越少，mpg越大，也就越省油。
问题4：不同引擎的汽车各自气缸数比例如何？（问题2的变形）
> counts <- table(mtcars$vs,mtcars$cyl)
> spine(counts)
spinogram
从图中可知两种不同引擎汽车的汽缸数占比。
