【数据分析 R语言实战】学习笔记第三章数据预处理（上）

Ai学习的老章

发布于 2019-04-10 16:51:52

8860

数据是分析的核心，在做数据分析之前，首先要对数据进行一定的处理。数据预处理指当录入或读取数据后，对数据进行必要的清理，包括查错纠错、异常观察值和无效样本的处理、转换、填补缺失值等，这是数据分析的重要前提，是描述统计、定性定量分析的基础。它的主要口的就是为后续的分析工作提供经过清理、质量较好的数据集。

3.1基本函数

基本数学函数

高级数学函数

> data=read.table("c:/Program Files/RStudio/1.txt",header=T)

> attach(data)

> mean(salary)

[1] 4.666667

> length(salary)

[1] 12

> cumsum(salary)

 [1]  2  6 14 19 26 35 41 42 44 48 51 56

当数据量较多时，要想统计数值大小等基木信息、比较困难，所以需要对其分组，从而大致描述数据信息。需要利用函数。cut()，它可以把数值型对象分区间转换为因子，调用格式如下:

cut (x, breaks, labels=NULL,include.lowest=FALSE, right=TRUE…)

其中，x为被转换的对象，是一个数值向量;breaks可以是单个数字，指明x要分为几组，也可以是一个向量，可自行设置分组的切点:labels给每个组添加标签;include.lowest是逻辑值，指明区间的开闭情况，即区间端点值是否包括在内:right也是逻辑值，默认区间为左开右闭。

> salary1=cut(salary,3)

> table(salary1)

salary1

(0.992,3.67]  (3.67,6.33]  (6.33,9.01]

           4            5            3

> salary1=cut(salary,3,labels=c("low","medium","hight"))

> table(salary1)

salary1

   low medium  hight

     4      5      3

> breakpoints=c(0,3,4,5)

> salary2=cut(salary,breaks=breakpoints)

> table(salary2)

salary2

(0,3] (3,4] (4,5]

4     2     2

落入不同工资段内的数据个数

> breakpoints=c(0,3,4,5,6)

> salary2=cut(salary,breaks=breakpoints)

> table(salary2)

salary2

(0,3] (3,4] (4,5] (5,6]

4     2     2     1

对数据绘制出多个图形

> pic=function(x){

+   par(mfrow=c(2,2))

+   hist(x)

+   dotchart(x)

+   boxplot(x)

+   qqnorm(x);qqline(x)

+   par(mfrow=c(1,1))

+ }

> pic(salary)

3.2数据修改

3.2.1修改数据标签

> data=read.table("c:/Program Files/RStudio/1.txt",header=T,stringsAsFactors=F)

> names(data)=c("City","Price","Salary")

> names(data)

[1] "City"   "Price"  "Salary"

3.2.2行列删除

data[-a,-b]表示删除数据集的第a列，第b行

本文参与腾讯云自媒体同步曝光计划，分享自微信公众号。

原始发表：2015-05-14，如有侵权请联系 cloudcommunity@tencent.com 删除

数据分析

本文分享自机器学习与统计学微信公众号，前往查看

如有侵权，请联系 cloudcommunity@tencent.com 删除。

本文参与腾讯云自媒体同步曝光计划，欢迎热爱写作的你一起参与！

数据分析

登录后参与评论

0 条评论

热度