r语言 整理、处理数据步骤_R语言之数据处理(一)

在上一篇小文中，提到了关于R语言导入数据的一些方法，之后的重点就转向了数据的处理上。数据处理其实在整个数据分析项目中所占用的时间是比较多的，所以根据处理的目的不同，也有不同的处理方法。在R语言中，我通常会将数据处理分成三部分：数据质量处理、数据维度处理和特殊文本的处理。由于三个部分的内容也比较多，就先介绍数据质量处理的内容，其余的两部分会在后面的文章介绍。

一、数据清洗

数据清洗简单说就是处理缺失值和异常值的判断，当然要根据实际情况来定义数据清洗的任务。

1.缺失值处理

当我们面对的数据是比较大量的时候，就需要了解数据集中那些变量有缺失值、缺失的数量、属于那种组合方式等有用信息。此时可以使用mice包中的md.pattern()函数，该函数可生成一个以矩阵或者数据框形式展示缺失值模式的表格，且该函数只需要传入需要判断的数据即可。另外还有使用图形方法这种更直观的方法描述数据的缺失，可利用VIM包中的aggr()函数实现，形式如下：

aggr(x,delimiter = NULL,plot = T,...)

x表示一个向量、矩阵或者数据框，delimiter用于区分插值补量，plot则指明是否画图。

识别出数据中的缺失值，接下来对其处理。最常用的方法是将包含缺失值的记录删去，使用na.