课程
R 中的数据清洗
中级技能水平
更新时间 2024年8月
RData Preparation4小时13 视频44 道练习3,700 XP61,158成就证明
创建您的免费帐户
继续使用 Google显示更多选项或
继续操作即表示您接受我们的《使用条款》和《隐私政策》，并同意您的数据存储在美国。
深受数千家公司学习者的喜爱
需要团队培训？
企业版试用课程描述
在 R 中解决常见数据问题，如删除重复项
人们常说，数据科学家80%的时间都在清洗和处理数据，只有20%的时间用于分析数据。 清洗数据所花的时间至关重要，因为分析脏数据可能会导致你得出不准确的结论。在本课程中，你将学习多种技巧，帮助你使用 R 清理脏数据。你将从转换数据类型、应用范围约束以及处理完全重复和部分重复开始，以避免重复计数。
深入探索高级数据挑战
一旦你已经实践了处理常见数据问题，你将继续应对更高级的挑战，例如确保测量的一致性以及处理缺失数据。 在每个新概念之后，你都将有机会完成一个实践练习，以巩固所学知识并积累经验。学习在数据清洗过程中使用记录链接
记录链接用于在数据集中的值存在拼写错误或不同拼写等问题时，将它们合并在一起。 您将在最后一章中探索这一实用技术，并通过将其用于把两个餐厅评论数据集合并为一个数据集来实践应用。先决条件
Joining Data with dplyr1
常见数据问题
在本章中，您将学习如何解决最常见的脏数据问题。您会转换数据类型，应用取值范围约束以移除不合理的未来时间点，并删除重复的数据点以避免重复计数。
2
分类与文本数据
由于非结构化特性，分类与文本数据往往是数据集中最混乱的部分。在本章中，您将学习如何修复类别标签中的空白和大小写不一致问题，将多个类别合并为一个，并重新格式化字符串以保持一致性。
3
高级数据问题
在本章中，您将深入探讨更高级的数据清洗问题，例如确保重量统一以千克而非磅表示。您还将掌握关键技能，帮助您核对数值是否录入正确，以及确保缺失值不会对分析产生负面影响。
4
记录链接
记录链接是一种强大的技术，用于在数值存在拼写错误或不同写法时合并多个数据集。在本章中，您将学习通过计算字符串相似度来链接记录——随后将运用新技能，把两份餐厅点评数据集合并为一个干净的主数据集。
R 中的数据清洗
课程完成 加入超过19百万学习者，今天就开始R 中的数据清洗！
创建您的免费帐户
继续使用 Google显示更多选项或
继续操作即表示您接受我们的《使用条款》和《隐私政策》，并同意您的数据存储在美国。
通过 DataCamp for Mobile 提升您的数据技能
随时随地通过我们的移动课程和每日 5 分钟编程挑战提升技能。