<\/p>\n
Czyszczenie danych<\/strong> odnosi si\u0119 do procesu przekszta\u0142cania surowych danych<\/a> w dane nadaj\u0105ce si\u0119 do analizy lub budowania modelu.<\/span><\/p>\n W wi\u0119kszo\u015bci przypadk\u00f3w \u201eczyszczenie\u201d zbioru danych polega na radzeniu sobie z brakuj\u0105cymi warto\u015bciami i zduplikowanymi danymi.<\/span><\/p>\n Oto najcz\u0119stsze metody \u201eczyszczenia\u201d zbioru danych w R:<\/span><\/p>\n Metoda 1: Usu\u0144 wiersze z brakuj\u0105cymi warto\u015bciami<\/strong><\/span><\/p>\n Metoda 2: Zast\u0105p brakuj\u0105ce warto\u015bci inn\u0105 warto\u015bci\u0105<\/strong><\/span><\/p>\n Metoda 3: Usu\u0144 zduplikowane wiersze<\/strong><\/span><\/p>\n Poni\u017csze przyk\u0142ady pokazuj\u0105, jak w praktyce zastosowa\u0107 ka\u017cd\u0105 z tych metod z nast\u0119puj\u0105c\u0105 ramk\u0105 danych w R, kt\u00f3ra zawiera informacje o r\u00f3\u017cnych koszykarzach:<\/span><\/p>\n Aby usun\u0105\u0107 wiersze z brakuj\u0105cymi warto\u015bciami w dowolnej kolumnie, mo\u017cemy zastosowa\u0107 nast\u0119puj\u0105c\u0105 sk\u0142adni\u0119:<\/span><\/p>\n Nale\u017cy pami\u0119ta\u0107, \u017ce nowa ramka danych nie zawiera \u017cadnych wierszy z brakuj\u0105cymi warto\u015bciami.<\/span><\/p>\n Mo\u017cemy u\u017cy\u0107 nast\u0119puj\u0105cej sk\u0142adni, aby zast\u0105pi\u0107 brakuj\u0105ce warto\u015bci median\u0105 warto\u015bci ka\u017cdej kolumny:<\/span><\/p>\n Nale\u017cy zauwa\u017cy\u0107, \u017ce brakuj\u0105ce warto\u015bci w ka\u017cdej kolumnie liczbowej zosta\u0142y zast\u0105pione median\u0105 warto\u015bci kolumny.<\/span><\/p>\n Pami\u0119taj, \u017ce mo\u017cesz tak\u017ce zast\u0105pi\u0107 median\u0119<\/strong> we wzorze \u015bredni\u0105<\/strong> , aby zast\u0105pi\u0107 brakuj\u0105ce warto\u015bci \u015bredni\u0105 warto\u015bci\u0105 ka\u017cdej kolumny.<\/span><\/p>\n Uwaga<\/strong> : w tym przyk\u0142adzie musieli\u015bmy tak\u017ce za\u0142adowa\u0107 pakiet Tidyr<\/strong> , poniewa\u017c funkcja drop_na()<\/strong> pochodzi z tego pakietu.<\/span><\/p>\n Mo\u017cemy u\u017cy\u0107 nast\u0119puj\u0105cej sk\u0142adni, aby zast\u0105pi\u0107 brakuj\u0105ce warto\u015bci median\u0105 warto\u015bci ka\u017cdej kolumny:<\/span><\/p>\n Nale\u017cy pami\u0119ta\u0107, \u017ce drugi wiersz zosta\u0142 usuni\u0119ty z ramki danych, poniewa\u017c ka\u017cda z warto\u015bci w drugim wierszu by\u0142a duplikatem warto\u015bci z pierwszego wiersza.<\/span><\/p>\n Uwaga<\/strong> : pe\u0142n\u0105 dokumentacj\u0119 funkcji dplyr odr\u0119bny()<\/strong> znajdziesz tutaj<\/a> .<\/span><\/p>\n Poni\u017csze samouczki wyja\u015bniaj\u0105, jak wykonywa\u0107 inne typowe zadania w j\u0119zyku R:<\/span><\/p>\n Jak grupowa\u0107 i podsumowywa\u0107 dane w R<\/a> Czyszczenie danych odnosi si\u0119 do procesu przekszta\u0142cania surowych danych w dane nadaj\u0105ce si\u0119 do analizy lub budowania modelu. W wi\u0119kszo\u015bci przypadk\u00f3w \u201eczyszczenie\u201d zbioru danych polega na radzeniu sobie z brakuj\u0105cymi warto\u015bciami i zduplikowanymi danymi. Oto najcz\u0119stsze metody \u201eczyszczenia\u201d zbioru danych w R: Metoda 1: Usu\u0144 wiersze z brakuj\u0105cymi warto\u015bciami library (dplyr) #remove rows with any […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[3],"tags":[],"class_list":["post-4177","post","type-post","status-publish","format-standard","hentry","category-przewodnik"],"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 Przyk\u0142ad 1: Usu\u0144 wiersze z brakuj\u0105cymi warto\u015bciami<\/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 Przyk\u0142ad 2: Zast\u0105p brakuj\u0105ce warto\u015bci inn\u0105 warto\u015bci\u0105<\/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 Przyk\u0142ad 3: Usu\u0144 zduplikowane wiersze<\/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 Dodatkowe zasoby<\/strong><\/span><\/h2>\n
Jak utworzy\u0107 tabele podsumowuj\u0105ce w R<\/a>
Jak usun\u0105\u0107 wiersze z brakuj\u0105cymi warto\u015bciami w R<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"