مقدمة إلى تنظيف البيانات في R

يُعد تنظيف البيانات خطوة أساسية قبل التحليل. ستتعلّم في هذا الدرس كيفية التعامل مع القيم المفقودة، وتصحيح أنواع البيانات، وإزالة التكرارات.

التعامل مع القيم المفقودة

تُمثَّل القيم المفقودة في R بالقيمة NA. ويمكنك التحقق من القيم المفقودة باستخدام is.na().

sum(is.na(data))

إزالة القيم المفقودة

يمكنك إزالة القيم المفقودة من مجموعة بيانات باستخدام na.omit().

clean_data <- na.omit(data)

استبدال القيم المفقودة

قد يكون من المفيد أحيانًا استبدال القيم المفقودة بقيمة افتراضية أو بمتوسط أحد الأعمدة.

data$column[is.na(data$column)] <- mean(data$column, na.rm = TRUE)

تحديد التكرارات

يمكنك التحقق من الصفوف المكررة في مجموعة البيانات باستخدام duplicated().

sum(duplicated(data))

إزالة التكرارات

لإزالة الصفوف المكررة، استخدم distinct() من الحزمة dplyr.

install.packages('dplyr')
library(dplyr)
data <- distinct(data)

تحويل أنواع البيانات

قد تكون البيانات أحيانًا بتنسيق غير صحيح. ويمكنك تحويل أنواع البيانات باستخدام دوال مثل as.numeric() وas.character().

data$column <- as.numeric(data$column)

إعادة تسمية الأعمدة

يمكنك إعادة تسمية الأعمدة في إطار البيانات باستخدام الدالة rename() من الحزمة dplyr.

data <- rename(data, NewName = OldName)

الملخص

في هذا الدرس، تعلّمتم:

• كيفية التعامل مع القيم المفقودة.
• كيفية إزالة القيم المكررة.
• كيفية تنظيف أنواع البيانات وتحويلها.