数据挖掘/分析前的数据整理方法

这里谈不上数据预处理方法，只是数据的导入、导出，以及格式的转换、(一或多个)分隔符等相关问题

1. 一条样本/记录中含有多个分隔符的处理方法：

(1). 对于小数据集一个有效的方法是： 

① 将有多个分隔符的数据 复制 到word文章，将多个分隔符转化为同一个分隔符；

② 开始 ---> 查找替换 ---> 替换 ---> 查找内容(如果是空格，直接按一下空格键；如果是制表符等需要使用“特殊字符”选项)

③ 然后将修改后只含有一个分隔符的数据，保存到txt文件(或其它文件格式)，然后导入数据库or其它文件格式；

(2). 对于大数据集，目前还没有良策，待查.....

2. R中，如果提示"错误于if(...) {: 需要TRUE/FALSE的地方不可以用缺少值"， 

解释错误：if(condition),其中condition处只能是TRUE/FALSE，不能是其它值，由于参与逻辑运算符的变量，存在缺失值NA，导致了condition出现了NA，才会提示错误；

出现错误的可能：① 参与计算的数据存在缺失值；② 参与运算的向量/矩阵/数组, 下标出界；

解决方案：详细检查数据是否存在缺失值，进行弥补，可能是由于导数导入的问题；插入必要的print语句，检查下标出界问题；

3. MySQL导入外部数据时，通常会出现最后一行数据不完整问题，可能原因是“光标没有回车到数据的下一行”，停留在了数据的最后一行最后一个字符的后面。如果是这样很可能会造成数据导入不完整；warning：数据导入后，一定要检查是否存在错误，不完整，缺失值问题

4. R中，将数据集中record/example的原本顺序打乱，如何实现？sample()

在数据处理or验证数据中record顺序对算法的影响时，需要将使用随机数生成函数，将原本数据打乱，R中可使用example()函数:

x <- 1:10

sample(x) --- > 8 3 2 6 9 10 4 5 1 7 (生成x内的数的乱序)

sample(c(0,1), 100, replace=TRUE) ---> 生成100个0和1的数(伯努利抽样)

sample(x, size, replace = FALSE, prob = NULL)   # x为含1个or多个元素的容器，size表示从x中随机抽取数，replace表示是否放回(可重复)

sample.int(n, size =n, replace = FALSE, prob = NULL)；  n表示可以抽取的是1:n中的数，size表示抽取的个数，replace表示是否放回;

详细请 ?sample