<\/p>\n
Gegevensopschoning<\/strong> verwijst naar het proces waarbij ruwe gegevens<\/a> worden omgezet in gegevens die geschikt zijn voor analyse of modelbouw.<\/span><\/p>\n In de meeste gevallen omvat het \u2018opschonen\u2019 van een dataset het omgaan met ontbrekende waarden en dubbele gegevens.<\/span><\/p>\n Hier zijn de meest gebruikelijke methoden voor het „opschonen“ van een dataset in R:<\/span><\/p>\n Methode 1: Rijen met ontbrekende waarden verwijderen<\/strong><\/span><\/p>\n Methode 2: Vervang ontbrekende waarden door een andere waarde<\/strong><\/span><\/p>\n Methode 3: Dubbele rijen verwijderen<\/strong><\/span><\/p>\n De volgende voorbeelden laten zien hoe u elk van deze methoden in de praktijk kunt gebruiken met het volgende dataframe in R dat informatie bevat over verschillende basketbalspelers:<\/span><\/p>\n We kunnen de volgende syntaxis gebruiken om rijen met ontbrekende waarden in elke kolom te verwijderen:<\/span><\/p>\n Houd er rekening mee dat het nieuwe gegevensframe geen rijen met ontbrekende waarden bevat.<\/span><\/p>\n We kunnen de volgende syntaxis gebruiken om ontbrekende waarden te vervangen door de mediaanwaarde van elke kolom:<\/span><\/p>\n Merk op dat de ontbrekende waarden in elke numerieke kolom elk zijn vervangen door de mediaanwaarde van de kolom.<\/span><\/p>\n Merk op dat u de mediaan<\/strong> in de formule ook kunt vervangen door het gemiddelde<\/strong> om ontbrekende waarden te vervangen door de gemiddelde waarde van elke kolom.<\/span><\/p>\n Opmerking<\/strong> : in dit voorbeeld moesten we ook het Tidyr-<\/strong> pakket laden omdat de drop_na()-<\/strong> functie uit dat pakket komt.<\/span><\/p>\n We kunnen de volgende syntaxis gebruiken om ontbrekende waarden te vervangen door de mediaanwaarde van elke kolom:<\/span><\/p>\n Merk op dat de tweede rij uit het dataframe is verwijderd omdat elk van de waarden in de tweede rij duplicaten waren van de waarden in de eerste rij.<\/span><\/p>\n Opmerking<\/strong> : u kunt hier<\/a> de volledige documentatie voor de functie dplyr different()<\/strong> vinden.<\/span><\/p>\n In de volgende tutorials wordt uitgelegd hoe u andere veelvoorkomende taken in R kunt uitvoeren:<\/span><\/p>\n Gegevens groeperen en samenvatten in R<\/a> Gegevensopschoning verwijst naar het proces waarbij ruwe gegevens worden omgezet in gegevens die geschikt zijn voor analyse of modelbouw. In de meeste gevallen omvat het \u2018opschonen\u2019 van een dataset het omgaan met ontbrekende waarden en dubbele gegevens. Hier zijn de meest gebruikelijke methoden voor het „opschonen“ van een dataset in R: Methode 1: Rijen met […]<\/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":[],"class_list":["post-4179","post","type-post","status-publish","format-standard","hentry","category-gids"],"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 Voorbeeld 1: rijen met ontbrekende waarden verwijderen<\/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 Voorbeeld 2: Vervang ontbrekende waarden door een andere waarde<\/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 Voorbeeld 3: Dubbele rijen verwijderen<\/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 Aanvullende bronnen<\/strong><\/span><\/h2>\n
Hoe u samenvattende tabellen maakt in R<\/a>
Hoe rijen met ontbrekende waarden in R te verwijderen<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"