26、R语言中的高级数据管理与缺失值处理

R语言中的高级数据管理与缺失值处理

1. 数据清理与数据类型

在处理数据时，我们常常会遇到一些不合理的数据值。例如，在分析南瓜数据时，发现中位数重量为2.7千克，均值为6.9千克，最大值达到24千克，明显存在错误。通常，超过10千克（两位数）的南瓜重量很可能是错误值，我们可以采取两种处理方式：
- 创建新数据集 ：排除重量超过10千克的数据，代码如下：

cleaned.pumpkins.2 <- cleaned.pumpkins[cleaned.pumpkins$weight <= 10,]

• 填充无意义值为缺失值 ：将重量超过10千克的数据标记为缺失值，代码如下：

cleaned.pumpkins[cleaned.pumpkins$weight >= 10,1] <- NA

R语言中有两种主要的数值数据类型：整数（integer）和双精度浮点数（double precision，也称为numeric）。整数类型处理精确的整数值，而双精度类型根据IEEE浮点标准处理四舍五入后的小数值。例如，我们创建两个整数向量 x 和 y 并进行除法运算：

x <- as.integer(seq(1, 10, by = 1))
y <- as.