Ràng buộc phạm vi

Làm sạch dữ liệu trong R

Maggie Matsui

Content Developer @ DataCamp

Giá trị ngoài phạm vi là gì?

Điểm SAT: 400–1600
Cân nặng gói hàng: ít nhất 0 lb/kg
Nhịp tim người lớn: 60–100 nhịp/phút

Tìm giá trị ngoài phạm vi

movies

  title                 avg_rating
  <chr>                      <dbl>
1 A Beautiful Mind             4.1
2 La Vita e Bella              4.3
3 Amelie                       4.2
4 Meet the Parents             3.5
5 Unbreakable                  5.8
6 Gone in Sixty Seconds        3.3
...

Tìm giá trị ngoài phạm vi

breaks <- c(min(movies$avg_rating), 0, 5, max(movies$avg_rating))

ggplot(movies, aes(avg_rating)) +
    geom_histogram(breaks = breaks)

Biểu đồ tần suất ba cột do mã tạo, với một giá trị quá thấp, sáu giá trị trong phạm vi, và hai giá trị quá cao.

Tìm giá trị ngoài phạm vi

library(assertive)
assert_all_are_in_closed_range(movies$avg_rating, lower = 0, upper = 5)

Error: is_in_closed_range : movies$avg_rating are not all in the range [0,5].
There were 3 failures:
  Position Value    Cause
1        5   5.8 too high
2        8   6.2 too high
3        9  -4.4  too low

Xử lý giá trị ngoài phạm vi

Xóa hàng
Xem như thiếu (NA)
Thay bằng giới hạn phạm vi
Thay bằng giá trị khác theo hiểu biết miền và/hoặc bộ dữ liệu

Xóa hàng

movies %>%
  filter(avg_rating >= 0, avg_rating <= 5) %>%


  ggplot(aes(avg_rating)) +
  geom_histogram(breaks = c(min(movies$avg_rating), 0, 5, max(movies$avg_rating)))

Biểu đồ tần suất do mã tạo với sáu giá trị trong phạm vi, và 0 giá trị dưới hoặc trên giới hạn.

Xem như thiếu

movies

  title                 avg_rating
  <chr>                      <dbl>
1 A Beautiful Mind             4.1
2 La Vita e Bella              4.3
3 Amelie                       4.2
4 Meet the Parents             3.5
5 Unbreakable                  5.8
6 Gone in Sixty Seconds        3.3
...

replace(col, condition, replacement)

movies %>%
  mutate(rating_miss = 
    replace(avg_rating, avg_rating > 5, NA))

  title                rating_miss
  <chr>                      <dbl>
1 A Beautiful Mind             4.1
2 La Vita e Bella              4.3
3 Amelie                       4.2
4 Meet the Parents             3.5
5 Unbreakable                   NA
6 Gone in Sixty Seconds        3.3
...

Thay thế giá trị ngoài phạm vi

movies %>%
  mutate(rating_const = 
           replace(avg_rating, avg_rating > 5, 5))

  title               rating_const
  <chr>                      <dbl>
1 A Beautiful Mind             4.1
2 La Vita e Bella              4.3
3 Amelie                       4.2
4 Meet the Parents             3.5
5 Unbreakable                  5.0
6 Gone in Sixty Seconds        3.3
...

Ràng buộc phạm vi ngày

assert_all_are_in_past(movies$date_recorded)

Error: is_in_past : movies$date_recorded are not all in the past.
There was 1 failure:
  Position               Value     Cause
1        3 2064-09-22 20:00:00 in future

library(lubridate)
movies %>%
  filter(date_recorded > today())

    title  avg_rating  date_recorded
1  Amelie         4.2  2064-09-23

Xóa ngày ngoài phạm vi

library(lubridate)
movies <- movies %>%
  filter(date_recorded <= today())

library(assertive)
assert_all_are_in_past(movies$date_recorded)

Nhớ: không có output = đã qua!

Vamos praticar!

Làm sạch dữ liệu trong R