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。

python] view plain copy

    #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

[python] view plain copy

    #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；
[python] view plain copy

    #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。