语言设置
Sys.getlocale()
Sys.setenv(LANG = "en")
导入包 library(dplyr)
导入csv文件
文件名记得加引号 （单引号双引号都可以）
vehicles2 <- read.csv('Downloads/vehicles.csv',header = TRUE)
vehicles <- read.csv("Downloads/vehicles.csv",header = TRUE)
3.数据基本信息 为了检查数据是否已经载入，我们可以在R中展现头几行，使用如下代码： head(vehicles) 行、列数 查看数据有多少行 nrow(vehicles) 查看有多少个变量（列） ncol(vehicles) 查看各列的含义，用name()函数 names(vehicles)
x中元素的个数 length(x)
查看变量的维数；或者 重新设置的维数，例如dim(x)=c(3,2) dim(x)
summary函数 summary(mtcars)
Sepal.Length Sepal.Width Petal.Length Petal.Width Species
Min. :4.300 Min. :2.000 Min. :1.000 Min. :0.100 setosa :50
1st Qu.:5.100 1st Qu.:2.800 1st Qu.:1.600 1st Qu.:0.300 versicolor:50
Median :5.800 Median :3.000 Median :4.350 Median :1.300 virginica :50
Mean :5.843 Mean :3.057 Mean :3.758 Mean :1.199
3rd Qu.:6.400 3rd Qu.:3.300 3rd Qu.:5.100 3rd Qu.:1.800
Max. :7.900 Max. :4.400 Max. :6.900 Max. :2.500
可以看出NA值
最大、最小值(某一列） min(mtcars[,1]) #[1] 4.3 max(mtcars[,1]) #[1] 7.9
均值、中位数、分位数 度量数据的集中程度
均值：mean()
中位数： median()
分位数： quantile()
极值、方差、标准差 度量数据集的分散程度 #极值、方差和标准差 #range()、var()、sd()
summarise函数 --dplyr library(dplyr)
#返回数据框中变量Sepal.Length的均值 summarise(mtcars, mean(Sepal.Length)) #返回数据框中变量Sepal.Length的标准差 summarise(mtcars, sd(Sepal.Length)) #返回数据框中变量Sepal.Length的最大值及最小值 summarise(mtcars, max(Sepal.Length), min(Sepal.Length)) #返回数据框mtcars的行数 summarise(mtcars, n()) #返回unique的Petal.Length数 summarise(mtcars, n_distinct(Petal.Length)) #返回Sepal.Length的第一个值 summarise(mtcars, first(Sepal.Length)) #返回Sepal.Length的最后个值 summarise(mtcars, last(Sepal.Length))
class()/mode()函数 查看数据类型
table函数 --分组看频率 table(vehicles$fuelType1)
缺失值处理
缺失值有 某一列中大量缺失值，则可以删去该列 某一行大量缺失，则删除该行 某一列中少量缺失，可酌情填充模拟值
select函数--dplyr clean1 <- select(vehicles, -contains("eng_dscr")) nrow(clean1)#还是42445 nrow(vehicles)#42445 ncol(vehicles)#83 ncol(clean1)#减少一个 变成82
clean2 <- select(vehicles, -contains("trans_dscr")) clean3 <- select(vehicles, -contains("tCharger"))
complete.cases函数 #按行查有没有缺失 没有缺失返回TRUE complete.cases(vehicles) complete.cases(clean3)
#这个函数也可以作用在向量上 b <- c(1,2,NA) complete.cases(b) #结果是TRUE，TRUE，FALSE
b[complete.cases(b)] #[1] 1 2
c1 <- c(NA,2,3) complete.cases(c1,b) #F,T,T + T,T,F = F,T,F
vehicles.complete <- vehicles[complete.cases(vehicles),] #注意有逗号 nrow(vehicles.complete) #得7563行，比原有42445行少太多，因为有些应该删列
vehicles.complete3 <- vehicles[complete.cases(clean3),] nrow(vehicles.complete3) #得42202行，比原有42445少200行，可以接受
na.omit函数 vehicles.omit <- na.omit(vehicles) nrow(vehicles.omit) #结果是7563
nrow(na.omit(clean3)) #结果是42202
clean.final <- select(vehicles, -c("eng_dscr","trans_dscr","tCharger")) nrow(na.omit(clean.final))#结果也是42202