R语言 清洗数据

清洗数据是指对数据进行重新审查和校验的过程，目的在于删除重复信息，纠正存在的错误，并提供数据一致性。

---

处理缺失值

R提供了一些函数，用于缺失值检测和缺失值处理：

函数	描述
is.na(x)	返回一个与x等长的逻辑向量，并且由相应位置的元素是否是NA来决定这个逻辑向量相应位置的元素是TRUE还是FALSE。TRUE表示该位置的元素是缺失值
anyNA(x,recursive = FALSE)	判断数据中是否存在缺失值，返回TRUE或FALSE值。若存在缺失值则返回FALSE
na.omit(x)	删除含有缺失值的观测
complete.cases(x)	返回一个逻辑向量，不存在缺失值的行的值为TRUE，存在缺失值的行的值为FALSE

示例：

score <- data.frame(student = c("A","B","C","D"),
                     gender = c("M","M","F","F"),
                       math = c(90,70,80,60),
                        Eng = c(88,78,69,98),
                         p1 = c(66,59,NA,88))         #  创建数据框
anyNA(score)   #  判断score中是否存在缺失值，返回TRUE或FALSE值。若存在缺失值则返回FALSE
#  运行结果：
#  [1] TRUE
is.na(score)
#  运行结果：
#       student gender  math   Eng    p1
#  [1,]   FALSE  FALSE FALSE FALSE FALSE
#  [2,]   FALSE  FALSE FALSE FALSE FALSE
#  [3,]   FALSE  FALSE FALSE FALSE  TRUE
#  [4,]   FALSE  FALSE FALSE FALSE FALSE
complete.cases(x)
#  运行结果：
#  [1]  TRUE  TRUE FALSE  TRUE
score[complete.cases(score),]
#  运行结果：
#    student gender math Eng p1
#  1       A      M   90  88 66
#  2