数字化革命,第四次科技革命,因计算机和电子数据的普及和推广而在各行各业发生的从机械和模拟电路到数字电路的变革。大数据现今大热,并热度持续升高。了解大数据、数据分析如今非常重要。
这篇文章,先讲我在数据分析领域的学习笔记,主要着重在数据整理方面 。数据整理是获取原数据,理解这些数据,清洗它们。 通常第一步我们拿到数据,很多人非常着急的马上开始研究如何建模分析,实际上,一开始整理数据非常重要。数据的准备阶段通常有:合并数据集和记录、选择数据子集样本、汇总记录、导出新的属性、排序数据以便建模、删除或替换空白值或缺失值、分为训练数据集和测试数据集等...而整理之前,花时间多了解你拿到的 数据对下一步整理,有很大的好处!
本文整理一下在R语言处理数据时候 几个比较容易理解新数据的步骤。
有关这方面的,非常建议大家看一下:Makingdata science accessible – Data Munging
下面用 ls()里面的数据来进行演示:
> ls()
打开 后看到有一个包含plants的数据。
第一步,是了解你拿到的数据是什么类型(class function)和其大概规模(dim / nrow and ncol、object.size)。
> class(plants)
[1] "data.frame"
> dim(plants)
[1] 5166 10
> nrow(plants)
[1] 5166
> nc