超级会员免费看
本文介绍了在R语言中，特别是在dplyr和tidyr软件包支持下，如何提升数据清洗、转换和分析的效率，包括数据清洗的重要性、Excel的局限性、dplyr和tidyr的功能如数据操作简化、管道函数的使用以及数据格式转换等。
R数据科学（dplyr）
如今数据分析如火如荼，R与Python大行其道。你还在用Excel整理数据么，你还在用spss整理数据么。
数据分析的基础：Data Clean
数据清洗是数据处理的必备工作，而且往往需要花费大量时间去整理，去提取想要的数据，因为画图，报表都需要特定格式的数据。
EXCEL缺点：
- 数据粘贴复制，导致存在很多副本，更改都不知道原来数据有没有被改动
- 数据排序，计算，鼠标点击，容易误操作。
- 忘记保存，白费时间
- 效率低，时间长
现在，我们将学习对处理数据有用的两个软件包：
- dplyr是用于简化表格数据操作的软件包。
- tidyr使您可以在不同的数据格式之间快速转换。
两个软件包中的命令都可以与管道函数（％>％）很好地配合使用，这可以使代码更具可读性。详细内容可参考
订阅专栏 解锁全文
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
