r语言整理、处理数据步骤_R语言万能数据清洗整理包Tidyverse（一）

数据整理和清洗是任何统计分析的前提，也是最为困难的一个环节，很多软件也提供了数据整理和清洗的功能。甚至连我们常用的EXCEL也可以做这个工作，但是效率很低，而且容易出错，且无法完整保存清洗过程。R语言作为一种开源语言，在这个方面还是很有优势的。例如R语言中的 Tidyverse是一系列优秀R包的合集，其中最常用的7个package包括ggplot2/tibble/tidyr/readr/purrr/dplyr/stringr/forcat。

每个包的功能如下：

readr：

用于数据读取

tibble：

用于形成强化数据框

tidyr：

用于长宽表格转换，数据整洁，数据清理

dplyr：

用于数据操纵，数据整理

stringr：

用于处理字符串数据

forcats：

用于处理因子数据

ggplot2：用于数据可视化

下面我们使用示例数据进行一些演示：

library(nycflights13)

 library(nycflights13)

flights

dim(flights)#查看数据框的维度，可以看出整个数据框有336776个观测，19个变量

这次我们想要选择以下变量进行分析：

year 航班日期-年

month 航班日期-月

day 航班日期-月

dep_delay 起飞延迟时间(分)

arr_delay 到达延迟时间(分)

distance 航行里程(英里)

dest 目的地

targetdfselect(flights,year,month, day,dep_delay,arr_delay,distance,dest)

targetdf#可以看出这样就筛选出来了目标变量

targetdfrename(targetdf,destination=dest)#变量重命名

targetdf filter(targetdf,!is.na(dep_delay),!is.na(arr_delay))#删除缺失值

targetdf#查看去除缺失值后的数据框

> targetdf#按照月份降序> targetdf

> groupby#按照destination分组> groupby#一共104个组

> delay_sum <- summarise(groupby, count = n(),#统计各分组目的地的航班数+                        +                        dist = mean(distance, na.rm = TRUE),+                        +                        delay = mean(arr_delay, na.rm = TRUE))> delay_sum

分别显示了104个分组的，航班数，平均航行距离以及平均延误时间。

> ggplot(data = delay_sum) ++     +     geom_point(mapping = aes(x = dist, y = delay)) +#绘制平均航程(dist)和平均延误时间(delay)的散点图+     +     geom_smooth(mapping = aes(x = dist, y = delay))

r语言整理、处理数据步骤_R语言万能数据清洗整理包Tidyverse（一）相关推荐

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 ...
r语言中进行数据可视化_R中的数据可视化
r语言中进行数据可视化 R programming was developed in 1993 for making graphs and producing statistical results. ...
R 多变量数据预处理_R语言数据管理与dplyr、tidyr | 第4讲
原创: 拴小林数据驱动实践 6月11日原文:R语言数据管理与dplyr.tidyr | 第4讲往期回顾 R语言 | 第一部分:数据预处理 R语言|第2讲:生成数据 R语言常用的数据输入与输出方法 ...
c语言字符型数据是,C语言字符型数据.doc
C语言字符型数据 2.5.1字符常量字符常量是指用一对单引号括起来的一个字符.如'a','9','!'.字符常量中的单引号只起定界作用并不表示字符本身.单引号中的字符不能是单引号(')和反斜杠(\), ...
r语言变量长度不一致怎么办_R语言实现数据离散化方法总结
前言在做数据挖掘模型的时候,我们有时会需要把连续型变量转型离散变量,这种转换的过程就是数据离散化,分箱就是离散化常用的一种方法. 数据离散化处理属于数据预处理的一个过程,R语言在数据处理上有天然的优 ...
R 多变量数据预处理_R语言数据可视化之数据分布图（直方图、密度曲线、箱线图、等高线、2D密度图）...
作者:穆晨来源:https://www.cnblogs.com/muchen/p/5310732.html 阅读目录数据分布图简介绘制基本直方图基于分组的直方图绘制密度曲线绘制基本箱线图 ...
r语言面板数据回归_R语言——伍德里奇计量经济导论案例实践第十三章横截面与面板数据（一）...
哈喽,停更了大概有三周的计量笔记又要重新开始啦!虽然美国的疫情没有停歇的迹象,可是依旧阻挡不了大学开学的热情.从8月3号开始上课到现在,也经历了很多事情,每天都是抱着死猪不怕开水烫的心情,暗地里安慰自 ...
r语言面板数据回归_R语言_018回归
回归分析是统计学的核心.它其实是一个广义的概念,指那些用一个或多个预测变量来预测响应变量的方法.通常,回归分析可以用来挑选与响应变量相关的解释变量,可以描述两者的关系,也可以生成一个等式,通过解释变量 ...
R 多变量数据预处理_R语言常用统计方法包+机器学习包（名称、简介）
上期帮大家盘点了一下R中常用的可视化包,这期将简要盘点一下关于统计分析与机器学习的R包,并通过简要介绍包的特点来帮助读者深入理解可视化包. 本文作者为"食物链顶端"学习群中的小伙伴 ...

r语言整理、处理数据步骤_R语言万能数据清洗整理包Tidyverse（一）

r语言整理、处理数据步骤_R语言万能数据清洗整理包Tidyverse（一）相关推荐

最新文章

热门文章

r语言 整理、处理数据步骤_R语言万能数据清洗整理包Tidyverse（一）

r语言 整理、处理数据步骤_R语言万能数据清洗整理包Tidyverse（一）相关推荐

最新文章

热门文章

r语言整理、处理数据步骤_R语言万能数据清洗整理包Tidyverse（一）

r语言整理、处理数据步骤_R语言万能数据清洗整理包Tidyverse（一）相关推荐