บทนำสู่การทำความสะอาดข้อมูลใน R

การทำความสะอาดข้อมูลเป็นขั้นตอนสำคัญก่อนการวิเคราะห์ ในบทเรียนนี้ คุณจะได้เรียนรู้วิธีจัดการค่าที่หายไป แก้ไขชนิดข้อมูล และลบข้อมูลซ้ำ

การจัดการค่าที่หายไป

ค่าที่หายไปใน R แทนด้วย NA คุณสามารถตรวจสอบค่าที่หายไปได้โดยใช้ is.na()

sum(is.na(data))

การลบค่าที่หายไป

คุณสามารถลบค่าที่หายไปออกจากชุดข้อมูลได้โดยใช้ na.omit()

clean_data <- na.omit(data)

การแทนที่ค่าที่หายไป

ในบางกรณี การแทนที่ค่าที่หายไปด้วยค่าเริ่มต้นหรือค่าเฉลี่ยของคอลัมน์ก็มีประโยชน์

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

การระบุข้อมูลซ้ำ

คุณสามารถตรวจสอบแถวที่ซ้ำกันในชุดข้อมูลได้โดยใช้ duplicated()

sum(duplicated(data))

การลบข้อมูลซ้ำ

หากต้องการลบแถวที่ซ้ำกัน ให้ใช้ distinct() จากแพ็กเกจ dplyr

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

การแปลงชนิดข้อมูล

บางครั้งข้อมูลอาจอยู่ในรูปแบบที่ไม่ถูกต้อง คุณสามารถแปลงชนิดข้อมูลโดยใช้ฟังก์ชันต่าง ๆ เช่น as.numeric() และ as.character()

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

การเปลี่ยนชื่อคอลัมน์

คุณสามารถเปลี่ยนชื่อคอลัมน์ในกรอบข้อมูลได้โดยใช้ฟังก์ชัน rename() จากแพ็กเกจ dplyr

data <- rename(data, NewName = OldName)

สรุป

ในบทเรียนนี้ คุณได้เรียนรู้เกี่ยวกับ:

• วิธีจัดการค่าที่หายไป
• วิธีลบข้อมูลซ้ำ
• วิธีทำความสะอาดและแปลงชนิดข้อมูล