python均值插补法填补缺失值_R语言笔记（四）：特殊值处理

输入数据后，我们就能在 R 中对数据进行一系列的操作了。但现实获得的第一手数据往往都是不完整、不整齐的，比如存在数据本身缺失值、离群值，数据框存在冗余行或列，抑或数据需要进一步加工才能获取有意义的变量等。因此，分析数据前对的数据处理工作极为重要。

本文介绍的数据处理内容主要包括：

• 1. 特殊值处理
  • 1.1 缺失值
  • 1.2 离群值
  • 1.3 日期
• 2. 数据转换（base vs. dplyr）
  • 2.1 筛选（subset vs. filter/select/rename）
  • 2.2 排序（order vs. arrange）
  • 2.3 转换（transform vs. mutate/transmute）
  • 2.4 分组与概括（group_by/summarise）
• 3. 数据框重塑（base vs. dplyr）
  • 3.1 数据框的合并（rbind/cbind vs. bind_rows/bind_cols）
  • 3.2 数据框的关联（merge vs. *_ join）
  • 3.3 数据框的长宽转换（reshape2 包）

本文我们学习特殊值处理的有关内容。后文链接：

Sub-woo：R语言笔记（四）：数据处理（中）​zhuanlan.zhihu.com

Sub-woo：R语言笔记（四）：数据处理（下）​zhuanlan.zhihu.com

有出错或补充的地方请大神们不吝赐教，作者会持续更新！

---

1. 特殊值处理

1.1 缺失值