今天我们一起来学习R软件中一些常用的数据整理函数。
数据导入出问题了怎么办
多重线性回归，一般是指有多个自变量X，只有一个因变量Y。前面我们主要是以简单线性回归为例在介绍，两者的差距主要在于自变量X的数量，在只有一个X时，就称简单线性回归本次我们数据链接：
1. 在处理数据时，可能遇到的第一个问题就是数据导入之后中文乱码。可以更换数据的编码方式，用下面的语句：
data <- read.csv('D:\data.csv', locale = locale(encoding = 'GB2312'))
2. 但有的时候，并不是编码的问题，而是根本无法导入数据，这其中的error多种多样，这里就不展示了。总之，一个可行的办法是，
当你检查了预导入数据的存储路径、文件名称准确无误后，将原数据用记事本打开，然后以txt格式保存数据，注意，此时这个数据文件就是txt格式了。打开R，手动导入文件。具体做法是在R右上方的数据显示区，点击"Import Dataset"，再点击"From Text (Base)"，如下图所示。之后会出现下图这样的界面，可以根据左侧的各类选项调整数据，同时右侧就会出现数据预览。没有问题之后，点击右下角的"Import"即可。3. 另外，还有一种情况，就是你的数据量很大，用read.csv函数导入会比较慢，可以尝试data.table包里的fread函数，快速导入数据。
library(data.table) data <- fread('D:\data.csv')
日期变成一串数字怎么办
多重线性回归，一般是指有多个自变量X，只有一个因变量Y。前面我们主要是以简单线性回归为例在介绍，两者的差距主要在于自变量X的数量，在只有一个X时，就称简单线性回归。
日期型变量导入R中之后，很有可能变得不再是哪年哪月哪日这样的日期格式了，而是像43838，43861这样的数字。
通常我们的数据是存储在excel中的，而excel中的日期默认是数值型的变量，具体来说，excel中的日期会自动存储为从某个默认的起始日期以来的天数。
在windows系统中，excel的起始时间一般是1900年1月1日，也就是说，"1900-01-01"这个日期会显示为数字1，"2020-01-18"会显示为43848。
所以在数据从excel导入R之后，在你看到日期变为几万的时候，就要用下面的方法来还原了。
df$date<-as.Date(df$date, origin = "1900-01-01", format='%Y-%m-%d')
如果日期变量在导入R之后，本来还好好的，而在我们对数据做了一番操作和处理后，又变成了整数的形式，还是用上面的方法来还原。这里要注意的是，R中默认的起始日期是1970年1月1日。
想通过身份证号得出年龄
多重线性回归，一般是指
在健康数据中，最重要的变量之一就是年龄，但是我们难免会遇到年龄数据缺失的情况，这时可以用身份证号来推算，弥补缺失数据。
虽然大多数人的身份证号都是18位，但偶尔也有15位的老身份证号，无论是哪种身份证号，下面的code可以帮我们提取出其中的出生年月日。
# 构建函数：birthday，功能是提取身份证号中的出生日期 birthday<-function(id){ if(is.na(id)) NA else if(nchar(id)==15) # 15位的身份证号，第7到12个数字代表出生年月日 paste('19',substr(id,7,12),sep="") else # 18位的身份证号，第7到14个数字代表出生年月日 substr(id,7,14) } # 运用birthday函数护理数据 df$birth <- sapply (df$id, birthday) # id 这个变量为原数据中的身份证号，birth这个变量是新建的，代表出生日期
还没有评论，来说两句吧...