Introdução à limpeza de dados em R

A limpeza de dados é uma etapa essencial antes da análise. Nesta lição, você aprenderá a tratar valores ausentes, corrigir tipos de dados e remover duplicatas.

Tratando valores ausentes

Valores ausentes em R são representados por NA. Você pode verificar a existência de valores ausentes usando is.na().

sum(is.na(data))

Removendo valores ausentes

Você pode remover valores ausentes de um conjunto de dados usando na.omit().

clean_data <- na.omit(data)

Substituindo valores ausentes

Às vezes, é útil substituir valores ausentes por um valor padrão ou pela média de uma coluna.

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

Identificando duplicatas

Você pode verificar se há linhas duplicadas no seu conjunto de dados usando duplicated().

sum(duplicated(data))

Removendo duplicatas

Para remover linhas duplicadas, use distinct() do package dplyr.

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

Convertendo tipos de dados

Às vezes, os dados podem estar no formato incorreto. Você pode converter tipos de dados usando funções como as.numeric() e as.character().

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

Renomeando colunas

Você pode renomear colunas de um quadro de dados usando a função rename() do package dplyr.

data <- rename(data, NewName = OldName)

Resumo

Nesta lição, você aprendeu:

• Como lidar com valores ausentes.
• Como remover duplicatas.
• Como limpar e converter tipos de dados.