R学习记录 - Cleaning Data

做过数据分析的都知道，可能只有25%左右的时间是花在分析数据上边的，剩下的时间都在清洗数据（cleaning data）。所以清理数据是数据分析中超级费时间，但是超级重要的事情。

以前我清理数据基本上就重点看3个事情：

1. 重复值
2. 极端值
3. 缺失值

不过这只是自己总结的东西，今天算是比较系统地在datacamp上学了清理数据的过程，感觉以后清理数据更有信心了。

通过这次学习我理解的主要过程稍微升级了一点：

1. 观察数据：看数据的结构、极值等，主要用str()，summary()等函数
2. 整理数据结构：调整长宽，格式等，主要用到 library(tidyr)
3. 最后才是missing value，extreme value等，
   3.1 缺失值：1) 缺失总数 sum(is.na()), 2）在哪？which(), 3) 替换

3.2 极端值：主要用到可视化工具：hist(), boxplot(), plot()

这次只是初步的清理数据，后边对缺失值、极端值的处理还有很多讲究，还需要深入学习，加油！

最后贴上证书激励自己一下！

image.png