R 数据清理简介

数据清理是分析前必不可少的一步。在本课中，您将学习如何处理缺失值、纠正数据类型以及移除重复项。

处理缺失值

R 中的缺失值用 NA 表示。您可以使用 is.na() 检查缺失值。

sum(is.na(data))

移除缺失值

您可以使用 na.omit() 从数据集中移除缺失值。

clean_data <- na.omit(data)

替换缺失值

有时，将缺失值替换为默认值或某列的平均值会很有用。

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

识别重复项

您可以使用 duplicated() 检查数据集中的重复行。

sum(duplicated(data))

移除重复项

要移除重复行，请使用 dplyr 包中的 distinct()。

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

转换数据类型

有时，数据的格式可能不正确。您可以使用 as.numeric() 和 as.character() 等函数转换数据类型。

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

重命名列

您可以使用 dplyr 包中的 rename() 函数重命名数据框中的列。

data <- rename(data, NewName = OldName)

总结

在本课中，您学习了：

• 如何处理缺失值。
• 如何删除重复项。
• 如何清理和转换数据类型。