آموزش پاک کردن داده های بد در R

مقدمه Introduction

• داده ها کثیف است Data is messy

• چه چیزی میخواهید بدانید What you need to know

1. داده موجود نیست 1. Missing Data

• انواع داده های از دست رفته Types of missing data

• ارزش از دست رفته Missing values

• ردیف های موجود نیست Missing rows

• جمع و مقادیر گمشده Aggregations and missing values

2. داده های کپی شده 2. Duplicated Data

• سطرها و مقادیر تکراری Duplicated rows and values

• جمع در مجموعه داده ها Aggregations in the data set

3. قالب بندی داده ها 3. Formatting Data

• تاریخ های تبدیل Converting dates

• تبدیل واحد Unit conversions

• شماره هایی که به عنوان متن ذخیره می شوند Numbers stored as text

• متن به صورت نادرست به اعداد تبدیل شده است Text improperly converted to numbers

• هجی های متناقض Inconsistent spellings

4- بیرونی ها 4. Outliers

• غربالگری برای محیط های دور Screening for outliers

• جابجایی از راه دور Handling outliers

• افراد خارجی از کیس استفاده می کنند Outliers use case

• افراد خارجی در زیر گروه ها Outliers in subgroups

• کشف مقادیر غیر منطقی Detecting illogical values

5- داده مرتب 5. Tidy Data

• داده های مرتب چیست؟ What is tidy data?

• متغیرها ، مشاهدات و مقادیر Variables, observations, and values

• مشکلات داده رایج Common data problems

• مجموعه های گسترده در مقابل مجموعه های طولانی Wide vs. long data sets

• ایجاد مجموعه داده های گسترده طولانی است Making wide data sets long

• پهن کردن مجموعه داده های طولانی Making long data sets wide

6. پرچم های قرمز 6. Red Flags

• مقادیر مشکوک Suspicious values

• چند برابر مشکوک Suspicious multiples

نتیجه Conclusion

• بعد چی؟ What's next?