データクリーニングの基礎
欠損値に対処し、データ型を正しく修正してデータ品質を確保する方法を学びます。
「データクリーニングの基礎」はCoddyKit上の無料R Academyレッスンです。 これはレッスン2/3です。 下記で完全なレッスンを無料で読むことができます。その後、ブラウザ内の組み込みコードエディタと24時間対応のAIチューターでハンズオン演習できます。 これはR Academy学習パスの一部であり、ウェブとCoddyKitアプリ全体で進捗が同期されます。 R Academyコースには全3レッスンが含まれています。
Rのデータクリーニング入門
Rのデータクリーニング入門
データのクリーニングは、分析前に欠かせないステップです。このレッスンでは、欠損値の処理、データ型の修正、重複データの削除について学びます。
欠損値を扱う
欠損値を扱う
Rでは、欠損値をNAで表します。is.na()を使って、欠損値を確認できます。
sum(is.na(data))欠損値を削除する
欠損値を削除する
na.omit()を使って、データセットから欠損値を削除できます。
clean_data <- na.omit(data)欠損値を置き換える
欠損値を置き換える
欠損値をデフォルト値や列の平均値に置き換えると便利な場合があります。
data$column[is.na(data$column)] <- mean(data$column, na.rm = TRUE)重複データを特定する
重複データを特定する
duplicated()を使って、データセット内の重複行を確認できます。
sum(duplicated(data))重複データを削除する
重複データを削除する
重複行を削除するには、dplyrパッケージのdistinct()を使います。
install.packages('dplyr')
library(dplyr)
data <- distinct(data)データ型を変換する
データ型を変換する
データが適切でない形式になっている場合があります。as.numeric()やas.character()などの関数を使って、データ型を変換できます。
data$column <- as.numeric(data$column)列名を変更する
列名を変更する
dplyrパッケージのrename()関数を使って、データフレームの列名を変更できます。
data <- rename(data, NewName = OldName)まとめ
まとめ
このレッスンでは、次の内容を学びました。
- 欠損値の扱い方
- 重複の削除方法
- データ型のクリーニングと変換方法
よくある質問
「データクリーニングの基礎」レッスンは無料ですか？
はい。「データクリーニングの基礎」の完全なテキストはこのウェブで無料で読めます。インタラクティブに演習し（組み込みコードエディタと24時間対応のAIチューター）、R Academyコースの残りをアンロックするには、CoddyKit PROにアップグレードしてください。 R Academyコースには全3レッスンが含まれています。
「データクリーニングの基礎」で何を学びますか？
欠損値に対処し、データ型を正しく修正してデータ品質を確保する方法を学びます。 ブラウザで直接実行するハンズオンコードでR Academyを演習し、24時間対応のAIチューターがレッスンを進める中での質問に答えます。
R Academyを始めるのに経験は必要ですか？
事前経験は必要ありません。CoddyKitのR Academyは初級者から上級者向けに構成されているため、ここから始めるか最初から始めて、自分のペースで進むことができます。 これはレッスン2/3です。
「データクリーニングの基礎」レッスンにはどのくらい時間がかかりますか？
ほとんどのCoddyKitレッスンは約5～10分かかります。各レッスンはコンパクトでインタラクティブなので、着実に進歩し、ウェブとアプリ全体で正確に前回の場所から再開できます。
このR Academyレッスンでコードを書いて実行できますか？
はい。すべてのR Academyレッスンに組み込みコードエディタが含まれているため、ブラウザでリアルコードを書いて実行し、即座のAIフィードバックを取得できます。ローカル設定は不要です。