R语言200习题训练（带答案）（六）——数据清洗与整理

此部分内容会每日更新，包括但不限于基础知识，进阶知识，数据处理，图表展示，数据分析实战，机器学习算法等~ ！！！
本人统计学硕士在读，想在2024年完成sql、python、R语言、stata、matlab等软件的复盘和巩固，目前在做统计学知识和R语言的复习~
后续考虑出相关视频进行讲解说明，请大家持续点赞+收藏+关注哈，大家一起沟通交流~

2.2 数据清洗与整理

（1）缺失值的识别与处理

习题20：
题目：编写代码，将一个数据框中的缺失值用该列的均值替换。

将数据框中的缺失值用该列的均值替换：

# 假设df是你要处理的数据框
df[is.na(df)] <- lapply(df, function(x) ifelse(is.na(x), mean(x, na.rm = TRUE), x))

习题21：
题目：识别一个数据框中的缺失值，并将它们标记为一个新的类别。

识别数据框中的缺失值，并将它们标记为一个新的类别：

# 假设df是你要处理的数据框，并且新类别为'Missing'
df[is.na(df)] <- 'Missing'

习题22：
题目：使用na.omit()函数去除一个数据框中含有缺失值的行。

使用na.omit()函数去除含有缺失值的行：

# 假设df是你要处理的数据框
df_clean <- na.omit(df)

习题23：
题目：创建一个函数，该函数接受一个数据框和一个替换值作为参数，将数据框中的所有缺失值替换为指定的替换值。

创建一个函数，将数据框中的所有缺失值替换为指定的替换值：

replace_na <- function(df, replacement) {
   
  df[is.na(df)] <- replacement
  return(df)
}

# 使用函数替换缺失值
df_replaced <- replace_na(df, 'ReplacementValue')

习题24：
题目：分析一个数据框，统计每列缺失值的数量，并将结果以数据框的形式返回。

统计每列缺失值的数量，并以数据框的形式返回：

# 计算每列缺失值的数量
na_counts <- colSums(is.na(df))

# 将结果转换为数据框
na_counts_df <- data.frame(Column = names(df), NA_Count = na_counts)
print(na_counts_df)

（2）异常值的检测与修正

习题25：
题目：使用箱线图识别一个数值列中的异常值。

使用箱线图识别数值列中的异常值：

# 假设num_col是包含数值的数据框列
boxplot(df$num_col, main="Boxplot to Identify Outliers", ylab="Value", xlab="Variable")

习题26：
题目：编写一个函数，该函数使用IQR方法检测一个数值向量中的异常值，并返回这些异常值。

使用IQR方法检测数值向量中的异常值：

iqr_outlier_func <- function(vec) {
   
  Q1 <- quantile(vec, probs = 0.25)
  Q3 <- quantile(vec, probs = 0.75)
  IQR <- IQR(vec)
  lower_bound