数据读取

1. 基础函数：

   • read.csv()：用于读取以逗号为分隔符的CSV文件。
   • read.table()：更通用的函数，可以读取以空格、制表符等为分隔符的文本文件。
   • load()：用于加载RData文件，这些文件通常是通过save()函数保存的。
   • readRDS()：用于读取RDS格式的二进制数据文件。

2. 高效读取包：

   • readr包：提供了read_csv()、read_tsv()等函数，这些函数通常比基础函数更快，且更易于处理大型数据集。
   • data.table包：其fread()函数是读取CSV文件的高效工具，特别适用于大数据集。
   • readxl包：专门用于读取Excel文件，提供了read_excel()函数。
   • haven包：用于读取SPSS、SAS、STATA等其他统计软件的数据文件。

数据清洗

1. 处理缺失值：

   • is.na()：用于检测缺失值。
   • na.omit()：删除包含缺失值的观测行。
   • na.fill()、na.approx()等（来自zoo包）：用于填充缺失值。
   • 在进行计算时，可以使用na.rm = TRUE参数来忽略缺失值。

2. 处理重复值：

   • duplicated()：用于查找重复值。
   • unique()：删除重复值，返回*值。

3. 数据转换：

   • as.factor()、as.numeric()、as.character()等：用于数据类型转换。
   • scale()：用于数据标准化，即将数据转换为均值为0、标准差为1的形式。
   • normalize()（来自某些特定包，如caret包）：用于数据归一化，即将数据缩放到一个特定的范围（如0到1）。

4. 数据筛选和筛选：

   • subset()：根据条件筛选数据。
   • 使用dp*r包中的filter()、select()等函数进行更复杂的数据筛选和列选择。

5. 数据合并：

   • merge()：用于合并两个数据集，通常基于一个或多个共同列。
   • rbind()、cbind()：分别用于按行或按列合并数据集。

6. 数据分组和汇总：

   • 使用dp*r包中的group_by()、summarize()等函数进行数据的分组和汇总操作。

7. 其他清洗工具：

   • tidyr包：提供了separate()、unite()、gather()、*()等函数，用于数据整理和转换，如拆分列、合并列、行列转换等。
   • stringr包：提供了丰富的字符串处理函数，如str_replace()、str_trim()、str_to_lower()等，用于字符串的匹配、替换、截取等操作。