data-cleaning

0熱度

1回答

我正在處理數據集bookdata.tsv.gz作爲我的第一個任務。對於所有圖書標籤，我需要從我的分析中排除標題「wild animus」。如何才能去做？我只是一個初學者，所以對代碼塊的一點解釋將不勝感激。由於

0熱度

2回答

我試圖使R（開源統計腳本語言）中的一些數據的子集。我嘗試了兩種方法，但我都沒有成功。一個返回一個沒有數據的表格，另一個返回一個包含所有「NA」單元格的表格，但是表格顯示正確的維度。我佈置的代碼很清楚commented-- 首先，我創造的，我會使用子集數據郵政編碼列表。郵政編碼列表來自我將要使用的數據集。郵編列表被稱爲「zipCodesOfData」接下來，我下載犯罪數據我將被子集。我基本上只

1熱度

1回答

不適用於替換列表中的NULL/for循環

我試圖用從API中拉出的列表中的NAs替換NULL值，但長度不同，因此無法替換。我已經嘗試在toxboot包（找到here）中使用nullToNA函數，但是當我試圖調用它時，它不會在R中找到該函數（我不知道是否有更改我找不到或者是因爲列表不是從MongoDB中提取的）。我也嘗試了所有函數調用檢查here。我的代碼如下。任何幫助？ library(httr) library(toxboot)

1熱度

3回答

如何在R中構建高效循環查找

我有一個數據集，其中包含一個人離開網絡時的日期。一個人可以多次離開網絡，因爲他們可能在離開網絡後再次加入網絡。以下代碼複製該場景。 library(data.table) Leaving_Date<- data.table(Id= c(1,2,3,4,3,5),Date = as.Date( c("2017-01-01","2017-02-03","2017-01-01","2017-03-10

1熱度

1回答

如何基於R中的字符串匹配來聚合數據框中的行？ - 正則表達式

我正在處理一個包含大約200行的數據框，我想刪除重複的行，將「分鐘」列中的值加在一起。我對R相當陌生，而且我還沒有找到辦法做到這一點。它涉及到應用正則表達式嗎？我真的很感激任何解決方案！數據幀我有看起來像這樣： df <- data.frame(name = c("Adam Tucker", "AdamTucker", "[email protected]", "adamtucker", "Ja

0熱度

2回答

從R中的數據中查找已知模式中的錯誤？

我想用R來確定數據集中的錯誤。數據集由一列中的時間（秒）和另一列中是否出現「運行」組成。 RunStart欄中的「0」表示運行的開始，而「1」只是運行的延續。在下面的示例表中，運行中的時間間隔應爲10秒。我想知道運行何時開始，如果所有後續值都是10秒的倍數並確定所有行不是真的。在這個例子中，所有的行都是正確的，第9行與第8行在同一次運行中有9秒的差異。如何隔離大數據集中的第9行等錯誤？ Tim

0熱度

1回答

如何刪除重複記錄並只留下一個使用R？

我有一個大的數據框與16列（變量），我需要一種方法來減少其大小（記錄數）根據條件。想知道是否有人在這裏知道如何做到這一點。R 我需要根據這個清理文件。它包含以下列：「員工ID」，「年」，「月」和「終止」。變量「Termed」被編碼爲0 =有效，1 =有效。因此，每個「員工ID」有多行（他們在公司工作的每個年份和每月都有一行），直到「終止」列中的值爲「1」，或者沒有更多關於該特定數據的數據「員工ID

0熱度

2回答

如何從包含多餘字符的文本文件中提取日期？

List1以下是使用Python 2.7在圖像上使用OCR處理創建的。 List1 = ["ERNR'W\xe2\x80\x98IWW/ftfi M '* \xe2\x80\x98\r\n", '\xe2\x80\x98 L n 4\r\n', 'May 2001\r\n', '31 Thursday ,_,,\r\n', '(161-214)\r\n', '0700\r\n'] 它包括我希望

0熱度

1回答

如何根據數據框中是否存在第二個數據框中的行來從數據框中刪除列？

如果之前詢問過此問題，我不會感到驚訝，但是在我的搜索中找不到確切的問題。我的數據包括兩個數據幀： ID = c("patient1", "patient2", "patient3") phenodf = as.data.frame(ID) phenodf$status = c("sick", "healthy", "sick") row.names(phenodf) = phenodf$I

1熱度

2回答

R - 如何在單個列中刪除特定短語之前和特定短語之後的行

嗨我想刪除特定短語之前的行，然後在稍後出現的相同（幾乎）短語之後。我想另一種看待它的方法是隻保留某個部分的開始和結束的數據。我的數據如下： df <- data.frame(time = as.factor(c(1,2,3,4,5,6,7,8,9,10,11,12,13)), type = c("","","GMT:yyyy-mm-dd_HH:MM:SS_LT:2016-10-1