R语言-数据预处理

数据预处理的常见做法

写完论文，闲来无事，想写写博客！
这是我写的第一篇文章，请多多支持！谢谢！

data<-read.csv("data.csv")#读入数据

dim(data)#看数据中有多少行，多少列

str(data)#看数据中变量类型

summary(iris)#数值型的变量给出最大，最小，中位数，均值，上下四分位数；分类型的给出变量类型以及个数

**通过上面三个函数基本可以了解数据集中变量的个数以及类型**

data$label<-factor(data$label)#把label变量转变为因子型

which(complete.cases(data) == F)#看哪行有缺失值

data_new<-data[!is.na(data$age),]#去掉age变量中的缺失值

data_new<-data_new[order(salary,decreasing=F),]#salary变量升序排列

把数据中的所有因子型变量转换成哑变量

1. 筛选出数据中的所有因子型变量
2. 把这些因子型变量粘贴到formula的右边
3. 转换为哑变量
   代码如下：

facots<-names(data)[sapply(data, class) == 'factor']
formula<-as.formula(paste('~',paste(facots,collapse = '+')))
dummy<-dummyVars(formula = formula, data = data)
pred<-predict(dummy, newdata = data)
head(pred)