R语言教程：Tidyverse数据清洗常用操作

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

Tidyverse包是R语言中强大的数据处理包，管道式的编程模式让代码优雅整洁，建议学习R语言的朋友及早接触Tidyverse包，可大大提高编程效率。


操作代码：

# 清空环境（此步骤为个人习惯，清空当前R环境中的对象，避免混淆）

1. rm(list = ls())

复制代码

# 设置工作路径（将此处路径更换为自己的工作文件夹路径，建议将需要导入的数据直接放入工作文件夹，可省略后续添加工作路径的步骤）

1. setwd("E:/Downloads/OneDrive/ProPhet/Codes/RCode/DataClean")

复制代码

# 加载包（下述代码在包已安装时直接加载包，在包未安装时将自动下载安装包，安装成功后再次运行即可加载包）。

## 加载导入Stata(.dta）格式数据的包haven

1. if (! require("haven")) install.packages("haven")

复制代码

## 加载数据处理的包Tidyverse

1. if (! require("Tidyverse")) install.packages("Tidyverse")

复制代码

# 导入数据

## 导入数据

1. dm<-read_dta("demographic_background.dta") #### 人口学特征
   
2. hlt<-read_dta("health_status_and_functioning.dta") #### 健康情况
   
3. bm<-read_dta("biomarkers.dta") #### 体检数据
   
4. bld<-read_dta("Blood_20140429.dta") #### 血检指标

复制代码

# 数据处理：Tidyverse包

## 筛选变量

1. ### 人口学特征
   
2. colnames(dm) #### 查看数据集变量名
   
3. dmslc<-dm %>%
   
4.   #### 生成新变量
   
5.   mutate(age=2011-ba002_1,
   
6.          gender=rgender,
   
7.          education=ifelse(bd001<4,"Illiterate",
   
8.                     ifelse(bd001==4,"Elementary school",
   
9.                      ifelse(bd001==5,"Middle school","High school and above"))),
   
10.          mariage=ifelse(be001<3,"married",
    
11.                        ifelse(be001==6,"Never married","Others"))) %>%
    
12.   #### 筛选变量
    
13.   select(ID,age,gender,education,mariage)
    
14. 
    
15. ### 健康情况
    
16. colnames(hlt)  #### 查看数据集变量名
    
17. hltslc<-hlt %>%
    
18.   #### 生成新变量
    
19.   mutate(hyper=ifelse(da007_1_==1,1,0),
    
20.          dm=da007_3_,
    
21.          sleep=ifelse(da049<5,1,ifelse(da049<=7,2,3))) %>%
    
22.   #### 筛选变量
    
23.   select(ID,hyper,dm,sleep)
    
24. 
    
25. ### 体检数据
    
26. colnames(bm) #### 查看数据集变量名
    
27. bmslc<-bm %>%
    
28.   #### 生成新数据集
    
29.   mutate(bmi=ql002/(qi002/100)^2,
    
30.          waist=qm002) %>%
    
31.   #### 筛选变量         
    
32.   select(ID,bmi,waist)
    
33. 
    
34. ### 血检数据
    
35. colnames(bld) #### 查看数据集变量名
    
36. bldslc<-bld %>%
    
37.   #### 生成新变量
    
38.   mutate(BUN=newbun,
    
39.          GLU=newglu,
    
40.          CREA=newcrea,
    
41.          CHO=newcho,
    
42.          TG=newtg,
    
43.          HDLC=newhdl,
    
44.          LDLC=newldl,
    
45.          CRP=newcrp,
    
46.          UA=newua) %>%
    
47.   #### 筛选变量
    
48.   select(ID,BUN,GLU,CREA,CHO,TG,HDLC,LDLC,CRP,UA)

复制代码

## 数据合并、变量赋值、删除缺失值

1. merge.data<-dmslc %>%
   
2.   #### 数据合并
   
3.   inner_join(hltslc,by="ID") %>% #### inner_join为内连接，仅对两数据集共有样本进行匹配
   
4.   left_join(bmslc,by="ID") %>% #### left_join为左连接，保留主数据集全部样本
   
5.   full_join(bldslc,by="ID") %>% #### right_join为右链接，保留匹配数据集全部样本
   
6. 
   
7.   #### 变量赋值：
   
8.   mutate(gender=factor(gender,levels = c(1,2),labels = c("Male","Female")),
   
9.          education=factor(education,
   
10.                           levels = c("Illiterate","Elementary school",
    
11.                                      "Middle school","High school and above")),
    
12.          mariage=factor(mariage,levels = c("married","Never married","Others")),
    
13.          dm=factor(dm,levels = c(1,2),labels = c("Yes","No")),
    
14.          sleep=factor(sleep,levels = c(1,2,3),labels = c("<5h","5-7h",">7h"))) %>% #### 删除缺失值
    
15.   
    
16.   #### 删除缺失值
    
17.   drop_na() %>%
    
18.   
    
19.   ### 转换为data.frame
    
20.   as.data.frame()

复制代码

# 导出数据

## 导出为Excel（.cav）数据

1. write.csv(merge.data,"DataClean.csv",fileEncoding = "GB18030")

复制代码

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：R语言教程 vers tid ERS Ver