Dasar-Dasar Pembersihan Data
Pelajari cara menangani nilai yang hilang dan memperbaiki tipe data untuk memastikan kualitas data.
Dasar-Dasar Pembersihan Data adalah pelajaran R Academy gratis di CoddyKit. Ini adalah pelajaran 2 dari 3. Kamu bisa membaca pelajaran lengkapnya di bawah secara gratis — lalu praktikkan langsung di browser dengan editor kode bawaan dan tutor AI 24/7. Ini adalah bagian dari jalur belajar R Academy, dan progresmu tersinkronisasi di web dan aplikasi CoddyKit. Kursus R Academy mencakup 3 pelajaran total.
Pengantar Pembersihan Data dalam R
Membersihkan data adalah langkah penting sebelum analisis. Dalam pelajaran ini, Anda akan mempelajari cara menangani nilai yang hilang, memperbaiki tipe data, dan menghapus duplikat.
Menangani Nilai yang Hilang
Nilai yang hilang dalam R direpresentasikan oleh NA. Anda dapat memeriksa nilai yang hilang menggunakan is.na().
sum(is.na(data))Menghapus Nilai yang Hilang
Anda dapat menghapus nilai yang hilang dari himpunan data menggunakan na.omit().
clean_data <- na.omit(data)Mengganti Nilai yang Hilang
Terkadang, mengganti nilai yang hilang dengan nilai bawaan atau rata-rata suatu kolom dapat membantu.
data$column[is.na(data$column)] <- mean(data$column, na.rm = TRUE)Mengidentifikasi Duplikat
Anda dapat memeriksa baris duplikat dalam himpunan data menggunakan duplicated().
sum(duplicated(data))Menghapus Duplikat
Untuk menghapus baris duplikat, gunakan distinct() dari paket dplyr.
install.packages('dplyr')
library(dplyr)
data <- distinct(data)Mengonversi Tipe Data
Terkadang, data mungkin berada dalam format yang salah. Anda dapat mengonversi tipe data menggunakan fungsi seperti as.numeric() dan as.character().
data$column <- as.numeric(data$column)Mengganti Nama Kolom
Anda dapat mengganti nama kolom dalam kerangka data menggunakan fungsi rename() dari paket dplyr.
data <- rename(data, NewName = OldName)Ringkasan
Dalam pelajaran ini, Anda mempelajari:
- Cara menangani nilai yang hilang.
- Cara menghapus duplikat.
- Cara membersihkan dan mengonversi tipe data.
Belajar R dengan tutor AI — gratis
Tulis dan jalankan kode asli di browser kamu, dapatkan bantuan instan dari tutor AI 24/7, dan lanjutkan di mana kamu tinggalkan di web atau aplikasi.
- Kursus
- 43
- Pelajaran
- 159
Pertanyaan yang Sering Diajukan
Apakah pelajaran “Dasar-Dasar Pembersihan Data” gratis?
Ya — teks lengkap “Dasar-Dasar Pembersihan Data” gratis dibaca di sini di web. Untuk praktiknya secara interaktif (editor kode bawaan dan tutor AI 24/7) dan buka sisa kursus R Academy, upgrade ke CoddyKit PRO. Kursus R Academy mencakup 3 pelajaran total.
Apa yang akan aku pelajari di “Dasar-Dasar Pembersihan Data”?
Pelajari cara menangani nilai yang hilang dan memperbaiki tipe data untuk memastikan kualitas data. Kamu berlatih R Academy dengan kode praktik yang langsung kamu jalankan di browser, dan tutor AI 24/7 menjawab pertanyaanmu saat kamu mengerjakan pelajaran ini.
Apakah aku perlu pengalaman untuk memulai R Academy?
Tidak diperlukan pengalaman sebelumnya. R Academy di CoddyKit dirancang untuk pemula hingga pelajar tingkat lanjut, jadi kamu bisa memulai di sini atau dari awal dan belajar sesuai kecepatan kamu sendiri. Ini adalah pelajaran 2 dari 3.
Berapa lama pelajaran “Dasar-Dasar Pembersihan Data” memakan waktu?
Sebagian besar pelajaran CoddyKit memakan waktu sekitar 5–10 menit. Setiap pelajaran ringkas dan interaktif, jadi kamu membuat kemajuan stabil dan melanjutkan dari tempat kamu tinggalkan di web dan aplikasi.
Bisakah aku menulis dan menjalankan kode dalam pelajaran R Academy ini?
Ya. Setiap pelajaran R Academy menyertakan editor kode bawaan, jadi kamu menulis dan menjalankan kode nyata langsung di browser dan mendapatkan umpan balik AI instan — tidak diperlukan penyiapan lokal.
Semua pelajaran dalam kursus ini
- Mengimpor Data
- Dasar-Dasar Pembersihan Data
- Menggabungkan dan Mengubah Bentuk Data