Day3 DS review - import datasets, programming with dplyr
好
我们要来import data 了
这个是utils,自带的,啥也不用装
. 系列
基本上看看read.csv 和 read.csv2 的區別,我也说不上咋区别了,但是吧,就是有区别
![](https://assets.matters.news/embed/0ceffc94-73c1-4366-af9a-63e0352c3769.png)
readr 一生推?
![](https://assets.matters.news/embed/17959e1d-3b67-46ed-99ff-838979aa6681.png)
![](https://assets.matters.news/embed/9cf68144-f62c-4bfd-af29-a73fc1ab3c92.png)
![](https://assets.matters.news/embed/be328d0c-7055-4a40-85fa-8635afec0ad8.png)
传说中的fread
![](https://assets.matters.news/embed/e3d24356-6b7a-4148-adfb-9913026a3f7e.png)
好像带hypfen的都比较不错, 但是要load readxl
![](https://assets.matters.news/embed/c51c3729-1ced-4085-a6eb-96874f79c402.png)
![](https://assets.matters.news/embed/7e573c1b-7c39-403b-9217-306452da1675.png)
辣鸡的gdata
![](https://assets.matters.news/embed/0449e870-e35b-4ed0-af33-2251ab729dfd.png)
![](https://assets.matters.news/embed/292c031f-e4ae-4232-9bf8-22802de25040.png)
gdata 听说很垃圾
![](https://assets.matters.news/embed/9fb9119d-884c-417c-b4a6-c81c6575ed1c.png)
XLconnect 搞Excel - 把RG的那个list 用r整理出能用的list 可能会用上XLconnect
![](https://assets.matters.news/embed/49c74d71-a586-45bb-980e-175bd49bb688.png)
![](https://assets.matters.news/embed/203a0848-1c94-417b-b516-0b20af4f9619.png)
![](https://assets.matters.news/embed/74c0494d-003e-4fe7-ae2e-b12185b0bb88.png)
![](https://assets.matters.news/embed/c1c474e2-8fb7-4c2f-bfc0-4b84028a2c01.png)
![](https://assets.matters.news/embed/5b1e15c9-8a6d-44c8-adf1-25e9ab630d4d.png)
![](https://assets.matters.news/embed/172eace7-44d5-437e-9da4-fa66cff13fbe.png)
![](https://assets.matters.news/embed/51ff0651-da4d-41e5-8cbd-b16747d3268c.png)
![](https://assets.matters.news/embed/353208d7-789c-42ab-9dd4-8fffb11498b7.png)
ggplot breaks 的用法很特殊,特此一记
![](https://assets.matters.news/embed/6311ab9e-ed0c-49ad-821a-0eff526721e2.png)
replace 还有missing value 记得有一个课讲missing value 讲得特别好,但是我忘了是啥课,好像是和sentiment analysis有关的,可能是tidy verse toolbox
![](https://assets.matters.news/embed/b3a3348d-9ffa-492c-aa48-9a0fbdb8963d.png)
no output=passed
![](https://assets.matters.news/embed/139a2c08-ee32-43dc-aba2-3e3405ef78ac.png)
但是要用filter
![](https://assets.matters.news/embed/b33b2a93-b939-468b-9c1a-7e56326e5213.png)
dropping full duplicates 好简单哈哈哈哈就是个distinct,但是data.table里好像有更复杂的解
![](https://assets.matters.news/embed/9279f2a9-da76-4bba-b32f-854f7b961d2a.png)
找重复 也有万金油
![](https://assets.matters.news/embed/0dfc7ae1-a834-43a9-a2d2-c115f8aa1202.png)
万金油呵呵
![](https://assets.matters.news/embed/cdd66fc4-7fed-490e-998f-2d4212e44cc2.png)
dropping partial duplicates 其实是有万金油的
semi-join就是除怪,把怪踢出去
![](https://assets.matters.news/embed/72142562-2c34-4c96-bc3e-027b61b5f827.png)
anti-join 是找怪,把怪单领出来
![](https://assets.matters.news/embed/94ff0af0-c63c-4868-b7c0-3877ced3ac09.png)
这个是和factor 有关的,data cleaning这门课说得很清楚。但是知识很杂,基本上每一章都可以另成一本书了
感觉到最后做project的时候会很管用,就是查level有没有啥奇奇怪怪不符合逻辑的归类
![](https://assets.matters.news/embed/09d6021d-bff7-485c-b444-9291ee6f5fe1.png)
感觉stringr应该重新开一个文章。。。
整个str家族都很牛逼,还能detect 哈哈哈
这个filter的用法也很神奇,啥也不写,就assume了logically TRUE
![](https://assets.matters.news/embed/2153be1e-6786-4fce-a152-b018f11e4842.png)
感觉如果不说_all的话,可能就只改第一个见到的
![](https://assets.matters.news/embed/92cfec41-e7ec-4f55-a605-1a194c359935.png)
![](https://assets.matters.news/embed/e66b2e4f-f607-43d2-a61f-357482330407.png)
这个有点傻的知识点,只是想remind myself 一下
![](https://assets.matters.news/embed/2be1377a-437d-4fd6-af8a-4c636d229cba.png)
课programming with dpyr, 我觉得这个课教一些tidyverse dplyr 比较高阶的常识
真的,像什么across,还有前面带点的那些东西,要慢慢适应,不要怕
.keep = "used" 只会让那些用到过的columns 出现
.keep 的default 是全部
across 其实就是同时apply to multiple columns
![](https://assets.matters.news/embed/c49c6c91-b487-4161-ab24-6f13d499e6ef.png)
感觉sub 是stringr里的,整个string manipulation 其实和NPL还有sentiment analysis是相关的。sentiment analysis 就是数褒义词和贬义词。
![](https://assets.matters.news/embed/6647289e-1ea6-49b0-aa5a-0aa01f88fc28.png)
喜欢我的作品吗?别忘了给予支持与赞赏,让我知道在创作的路上有你陪伴,一起延续这份热忱!
- 来自作者
- 相关推荐