№ Два：衔接之前步骤进行探索性分析

Сентябрь двадцать два

Во вторник

---

== Step 1==

首先，要在建立和训练随机森林模型、线性回归模型的数据分析之前，都要对数据进行剖析。
我们的目标是清楚数据是如何分布的，并做相应准备工作。

1. 第一步，使用dim（）函数显示了数据行数及列数。
   我们在获取数据集之后，数据可能会存在错误、缺失值。
   

> dim(PM2.5)

2. complete.cases函数提取没有空值的数据。
   汇总PM2.5数据框中全部空值总数。
   

> sum(!complete.case(PM2.5))
[1] 4870

3. 为了使数据一致，处理掉无效或缺失的数据非常便捷的将无缺失值的数据重新载入PM2.5的数据框中。
   

> PM2.5 <- PM2.5[complete.case(PM2.5),]

4. 这时，再重新查看数据行数和列数。

---

== Step 2==

同样，我们也可以使用head（）函数以表格形式来显示数据前六行信息。

 > head(PM2.5)

第二步，利用summary（）函数，为每一个变量返回一组统计信息，因为主要数据变量都是数值型变量。

> summary(PM2.5)

所以这些变量都有:

1. 最小值
2. 下四分位数
3. 中位数
4. 平均数
5. 上四分位数
6. 最大值
   

因为之前已经做过数据清洗，所以看不到NA符号，为了保持探究数据的严谨性，会在每组变量最大值后显示缺失值的个数。

综上，原始数据共35064条数据，清洗过后剩余30194条数据，数据缺失值占原始数据的13.889%，完整数据占原始数据的86.111%，所以，进行数据清洗是非常有必要的。

                                         >结束<

---

相关链接：

A!-数据集做简单数据分析-前期准备: https://blog.csdn.net/The_flying_Marx/article/details/108582300.

один！-载入数据集： https://blog.csdn.net/The_flying_Marx/article/details/108723416.