R中重复值、缺失值及空格值的处理

1、R中重复值的处理

unique函数作用：把数据结构中，行相同的数据去除。

#导入CSV数据
data <- read.csv('1.csv', fileEncoding = "UTF-8", stringsAsFactors = FALSE);

#对重复数据去重
new_data <- unique(data)

重复值处理函数：unique，用于清洗数据中的重复值。

“dplyr”包中的distinct() 函数更强大：

distinct(df,V1,V2) 根据V1和V2两个条件来进行去重

unique()是对整个数据框进行去重，而distinct()可以针对某些列进行去重。

2、R中缺失值的处理

缺失值的产生

①有些信息暂时无法获取

②有些信息被遗漏或者错误处理了

缺失值的处理方式

①数据补齐（例如用平均值填充）

②删除对应缺失值（如果数据量少的时候慎用）

③不处理

na.omit函数作用：去除数据结构中值为NA的数据

#缺失数据清洗

#读取数据
data <- read.csv('1.csv', fileEncoding = "UTF-8");

#清洗空数据
new_data <- na.omit(data)

3、R中空格值的处理

trim函数的作用：用于清除字符型数据前后的空格。

trim函数的语法：trim(x)

注意：

1、trim函数来自raster包，使用前，先使用library(raster)引入该包；

2、如果还没有安装该包，则需先使用install.packages("raster")安装；

#空格数据清洗
data <- read.csv('1.csv');

install.packages('raster', repos='http://cran.r-project.org');
library(raster);

#空格值处理
new_data <- trim(data)

注意install.packages('raster', repos='http://cran.r-project.org')

使用R.studio的小伙伴，在下载包很慢的的时候，可以使用R的官网站点，在中国地区会快很多，以解决此问题。