Einführung in die Datenbereinigung mit R

Die Datenbereinigung ist ein wichtiger Schritt vor der Analyse. In dieser Lektion lernen Sie, mit fehlenden Werten umzugehen, Datentypen zu korrigieren und Duplikate zu entfernen.

Mit fehlenden Werten umgehen

Fehlende Werte werden in R durch NA dargestellt. Sie können mit is.na() auf fehlende Werte prüfen.

sum(is.na(data))

Fehlende Werte entfernen

Sie können fehlende Werte mit na.omit() aus einem Datensatz entfernen.

clean_data <- na.omit(data)

Fehlende Werte ersetzen

Manchmal ist es sinnvoll, fehlende Werte durch einen Standardwert oder den Mittelwert einer Spalte zu ersetzen.

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

Duplikate identifizieren

Sie können mit duplicated() auf doppelte Zeilen in Ihrem Datensatz prüfen.

sum(duplicated(data))

Duplikate entfernen

Um doppelte Zeilen zu entfernen, verwenden Sie distinct() aus dem Paket dplyr.

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

Datentypen konvertieren

Manchmal liegen Daten im falschen Format vor. Sie können Datentypen mit Funktionen wie as.numeric() und as.character() konvertieren.

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

Spalten umbenennen

Sie können Spalten in einem Data Frame mit der Funktion rename() aus dem Paket dplyr umbenennen.

data <- rename(data, NewName = OldName)

Zusammenfassung

In dieser Lektion haben Sie Folgendes gelernt:

• Wie Sie mit fehlenden Werten umgehen.
• Wie Sie Duplikate entfernen.
• Wie Sie Datentypen bereinigen und konvertieren.