2.6　数据预处理

2.6.1　导入mtcars数据集

下面使用data()函数导入mtcars数据集，实现过程如下（源码位置：资源包\Code\02\view_data.R）。（1）在项目文件夹下新建一个R脚本文件，命名为view_data.R。

（2）加载程序包，使用data()函数导入mtcars数据集，代码如下：

library(datasets)  # 加载程序包
data(mtcars)    # 导入 mtcars 数据集

（3）显示数据，代码如下：

print(mtcars)

运行程序，结果如图2.11所示。

图2.11　显示数据

2.6.2　查看数据

下面查看数据整体概况，包括行数、列数、列名、数据类型和数据，以便更清晰地了解数据，主要使用str()函数，代码如下（源码位置：资源包\Code\02\view_data.R）：

str(mtcars)

运行程序，结果如图2.12所示。

图2.12　查看数据整体概况

从运行结果得知：数据有32行11列，可以查看所有的列名、数据类型和数据。

2.6.3　缺失值查看

下面使用table()函数和is.na()函数查看并统计缺失值，代码如下（源码位置：资源包\Code\02\view_data.R）：

table(is.na(mtcars))

运行程序，结果如下：

FALSE
  352

从运行结果得知：数据不缺失个数为352，也就是说数据不存在缺失值，数据质量优。

2.6.4　描述性统计分析

描述性统计分析主要是为了快速查看统计信息，包括最小值、第1四分位数、中位数、平均数、第3四分位数和最大值，主要使用summary()函数实现，代码如下（源码位置：资源包\Code\02\view_data.R）：

summary(mtcars)

运行程序，结果如图2.13所示。

图2.13　描述性统计分析

从运行结果得知：所有变量的最小值、第1四分位数、中位数、平均数、第3四分位数和最大值都被计算出来了。

下面按变速器类型统计不同车型的平均里程数、总马力和重量，主要使用aggregate()函数实现分组统计描述性统计量，代码如下：

myvars<-c("mpg","hp","wt")                           # 抽取数据
aggregate(mtcars[myvars],by=list(am=mtcars$am),mean)  # 分组统计描述性统计量

运行程序，结果如下：

    am     mpg      hp      wt
1  0    17.14737  160.2632  3.768895
2   1   24.39231  126.8462  2.411000

从运行结果得知：自动挡车型平均里程数为17.14737，手动挡车型平均里程数为24.39231，说明手动挡更省油。

对于分类变量而言，如发动机缸体（vs）、变速箱（am）等，我们更需要了解的是分类变量中不同值的数量，如汽车发动机缸体（vs）V型的有多少辆、直型的有多少辆。

下面实现按照分类变量统计数据。首先使用factor()函数将变量vs和am转换为因子，使用ordered()函数将变量cyl、gear和carb转换为有序变量，然后使用within()函数修改数据框，最后使用summary()函数对修改后的数据框进行描述性统计分析，代码如下：

# 使用 within()函数修改数据框
mtcars2 <- within(mtcars, {
  # 使用 factor()函数将变量转换为因子
  vs <- factor(vs, labels = c("V 型", "直型"))
  am <- factor(am, labels = c("自动挡", "手动挡"))
  # 使用 ordered()函数将变量转换为有序变量
  cyl  <- ordered(cyl)
  gear <- ordered(gear)
  carb <- ordered(carb)
})
# 描述性统计分析
summary(mtcars2)

运行程序，结果如图2.14所示。

图2.14　按照分类变量统计数据

从运行结果得知：cyl、vs、am、gear和carb分类变量中各个值的数量都被统计出来了。例如，32辆汽车中，4缸11辆、6缸7辆、8缸14辆；发动机缸体V型18辆，直型14辆；自动挡19辆，手动挡13辆。 vFqP5W6Sc6WJLEOLebXs5vcwcwtkn4Fqsr2vT6BDuUZpPp+E68jhOV45xW60/hYN