<\/p>\n
La pulizia dei dati<\/strong> si riferisce al processo di trasformazione dei dati grezzi<\/a> in dati adatti all’analisi o alla costruzione di modelli.<\/span><\/p>\n Nella maggior parte dei casi, la “pulizia” di un set di dati implica la gestione dei valori mancanti e dei dati duplicati.<\/span><\/p>\n Ecco i metodi pi\u00f9 comuni per “pulire” un set di dati in R:<\/span><\/p>\n Metodo 1: rimuovere le righe con valori mancanti<\/strong><\/span><\/p>\n Metodo 2: sostituisci i valori mancanti con un altro valore<\/strong><\/span><\/p>\n Metodo 3: rimuovere le righe duplicate<\/strong><\/span><\/p>\n Gli esempi seguenti mostrano come utilizzare ciascuno di questi metodi nella pratica con il seguente frame di dati in R che contiene informazioni su vari giocatori di basket:<\/span><\/p>\n Possiamo utilizzare la seguente sintassi per rimuovere righe con valori mancanti in qualsiasi colonna:<\/span><\/p>\n Tieni presente che il nuovo frame di dati non contiene righe con valori mancanti.<\/span><\/p>\n Possiamo utilizzare la seguente sintassi per sostituire i valori mancanti con il valore mediano di ciascuna colonna:<\/span><\/p>\n Tieni presente che i valori mancanti in ciascuna colonna numerica sono stati sostituiti ciascuno con il valore mediano della colonna.<\/span><\/p>\n Tieni presente che puoi anche sostituire la mediana<\/strong> nella formula con la media<\/strong> per sostituire i valori mancanti con il valore medio di ciascuna colonna.<\/span><\/p>\n Nota<\/strong> : in questo esempio abbiamo dovuto caricare anche il pacchetto Tidyr<\/strong> perch\u00e9 la funzione drop_na()<\/strong> proviene da quel pacchetto.<\/span><\/p>\n Possiamo utilizzare la seguente sintassi per sostituire i valori mancanti con il valore mediano di ciascuna colonna:<\/span><\/p>\n Si noti che la seconda riga \u00e8 stata rimossa dal frame di dati perch\u00e9 ciascuno dei valori nella seconda riga era duplicato dei valori nella prima riga.<\/span><\/p>\n Nota<\/strong> : puoi trovare la documentazione completa per la funzione dplyr distinti()<\/strong> qui<\/a> .<\/span><\/p>\n I seguenti tutorial spiegano come eseguire altre attivit\u00e0 comuni in R:<\/span><\/p>\n Come raggruppare e riassumere i dati in R<\/a> La pulizia dei dati si riferisce al processo di trasformazione dei dati grezzi in dati adatti all’analisi o alla costruzione di modelli. Nella maggior parte dei casi, la “pulizia” di un set di dati implica la gestione dei valori mancanti e dei dati duplicati. Ecco i metodi pi\u00f9 comuni per “pulire” un set di dati […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n library<\/span> (dplyr)\n\n#remove rows with any missing values\n<\/span>df %>% na. omit<\/span> ()\n<\/strong><\/pre>\n library<\/span> (dplyr)\nlibrary<\/span> (tidyr)\n\n#replace missing values in each numeric column with median value of column\n<\/span>df %>% mutate(across(where(is. numeric<\/span> ), ~replace_na(., median(., na. rm<\/span> = TRUE<\/span> ))))\n<\/strong><\/pre>\n library<\/span> (dplyr)\n\ndf %>% distinct(. keep_all<\/span> = TRUE<\/span> )\n<\/strong><\/pre>\n #create data frame\n<\/span>df <- data. frame<\/span> (team=c('A', 'A', 'B', 'C', 'D', 'E', 'F', 'G', 'H', 'I'),\n points=c(4, 4, NA, 8, 6, 12, 14, 86, 13, 8),\n rebounds=c(9, 9, 7, 6, 8, NA, 9, 14, 12, 11),\n assists=c(2, 2, NA, 7, 6, 6, 9, 10, NA, 14))\n\n#view data frame\n<\/span>df\n\n team points rebound assists\n1 to 4 9 2\n2 to 4 9 2\n3 B NA 7 NA\n4 C 8 6 7\n5 D 6 8 6\n6 E 12 NA 6\n7 F 14 9 9\n8 G 86 14 10\n9:13:12 NA\n10 I 8 11 14\n<\/strong><\/pre>\n Esempio 1: eliminare le righe con valori mancanti<\/strong><\/span><\/h2>\n
library<\/span> (dplyr)\n\n#remove rows with missing values\n<\/span>new_df <- df %>% na. omit<\/span> ()\n\n#view new data frame\n<\/span>new_df\n\n team points rebound assists\n1 to 4 9 2\n2 to 4 9 2\n4 C 8 6 7\n5 D 6 8 6\n7 F 14 9 9\n8 G 86 14 10\n10 I 8 11 14<\/strong><\/pre>\n Esempio 2: sostituisci i valori mancanti con un altro valore<\/strong><\/span><\/h2>\n
library<\/span> (dplyr)\nlibrary<\/span> (tidyr)\n\n#replace missing values in each numeric column with median value of column\n<\/span>new_df <-df %>% mutate(across(where(is. numeric<\/span> ),~replace_na(.,median(.,na. rm<\/span> = TRUE<\/span> )))) \n\n#view new data frame\n<\/span>new_df\n\n team points rebound assists\n1 to 4 9 2.0\n2 to 4 9 2.0\n3 B 8 7 6.5\n4 C 8 6 7.0\n5 D 6 8 6.0\n6 E 12 9 6.0\n7 F 14 9 9.0\n8 G 86 14 10.0\n9:13 12 6.5\n10 I 8 11 14.0<\/strong><\/pre>\n Esempio 3: rimuovere le righe duplicate<\/strong><\/span><\/h2>\n
library<\/span> (dplyr)\n\n#remove duplicate rows\n<\/span>new_df <- df %>% distinct(. keep_all<\/span> = TRUE<\/span> )\n\n#view new data frame\n<\/span>new_df\n\n team points rebound assists\n1 to 4 9 2\n2 B NA 7 NA\n3 C 8 6 7\n4 D 6 8 6\n5 E 12 NA 6\n6 F 14 9 9\n7 G 86 14 10\n8:13:12 NA\n9 I 8 11 14<\/strong><\/pre>\n Risorse addizionali<\/strong><\/span><\/h2>\n
Come creare tabelle di riepilogo in R<\/a>
Come eliminare le righe con valori mancanti in R<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"