數據讀取

1. 基礎函數：

   • read.csv()：用于讀取以逗號為分隔符的CSV文件。
   • read.table()：更通用的函數，可以讀取以空格、制表符等為分隔符的文本文件。
   • load()：用于加載RData文件，這些文件通常是通過save()函數保存的。
   • readRDS()：用于讀取RDS格式的二進制數據文件。

2. 高效讀取包：

   • readr包：提供了read_csv()、read_tsv()等函數，這些函數通常比基礎函數更快，且更易于處理大型數據集。
   • data.table包：其fread()函數是讀取CSV文件的高效工具，特別適用于大數據集。
   • readxl包：專門用于讀取Excel文件，提供了read_excel()函數。
   • haven包：用于讀取SPSS、SAS、STATA等其他統(tǒng)計軟件的數據文件。

數據清洗

1. 處理缺失值：

   • is.na()：用于檢測缺失值。
   • na.omit()：刪除包含缺失值的觀測行。
   • na.fill()、na.approx()等（來自zoo包）：用于填充缺失值。
   • 在進行計算時，可以使用na.rm = TRUE參數來忽略缺失值。

2. 處理重復值：

   • duplicated()：用于查找重復值。
   • unique()：刪除重復值，返回*值。

3. 數據轉換：

   • as.factor()、as.numeric()、as.character()等：用于數據類型轉換。
   • scale()：用于數據標準化，即將數據轉換為均值為0、標準差為1的形式。
   • normalize()（來自某些特定包，如caret包）：用于數據歸一化，即將數據縮放到一個特定的范圍（如0到1）。

4. 數據篩選和篩選：

   • subset()：根據條件篩選數據。
   • 使用dp*r包中的filter()、select()等函數進行更復雜的數據篩選和列選擇。

5. 數據合并：

   • merge()：用于合并兩個數據集，通常基于一個或多個共同列。
   • rbind()、cbind()：分別用于按行或按列合并數據集。

6. 數據分組和匯總：

   • 使用dp*r包中的group_by()、summarize()等函數進行數據的分組和匯總操作。

7. 其他清洗工具：

   • tidyr包：提供了separate()、unite()、gather()、*()等函數，用于數據整理和轉換，如拆分列、合并列、行列轉換等。
   • stringr包：提供了豐富的字符串處理函數，如str_replace()、str_trim()、str_to_lower()等，用于字符串的匹配、替換、截取等操作。