|
数据洗濯
- data<-read.csv("E://Data For R/RData/data.csv")
- DATA<-data[,-c(1,7)]#将Name和Address两列去掉
- DATA[sample(1:nrow(DATA),size=10),]
- #在爬取的时辰插手了判定，以是不知道爬取的数据中是否存在缺失值，这里搜查一下
- colSums(is.na(DATA))
- #这里将Type的寝室客堂和卫生间分为三个差异的列
- ##这里必要留意，有一些衡宇没有客堂如：1室1卫这时辰必要单独处理赏罚，尚有一些没有茅厕信息。
- library(tidyr)
- library(stringr)
- DATA=separate(data=DATA,col=Type,into = c("Bedrooms","Halls"),sep="室")
- DATA=separate(data=DATA,col=Halls,into = c("Halls","Toilet"),sep="厅")
- ##将卫生间后头的汉字去掉
- DATA$Toilet<-str_replace(DATA$Toilet,"卫","")
- ###如图六，将Halls中带有汉字去掉，由于有一些衡宇信息没有客堂，如：1室1厅，在分成寝室和客堂时，会将卫生间分到客堂一列。
- DATA$Halls<-str_replace(DATA$Halls,"卫","")
- ##取出没有客堂信息的数据，这些数据被separate到Halls列
- newdata<-DATA[which(DATA$Toilet %in% NA),2]
- newdata
- ##将没有客堂的衡宇信息Halls列添补为0
- DATA[which(DATA$Toilet %in% NA),2]<-0
- DATA[which(DATA$Toilet %in% NA),3]<-newdata
- colSums(DATA=="")
- Bedrooms Halls Toilet Area Towards Floor Decorate
- 0 0 2 0 0 0 0
- TotalPrice Price
- 0 0
-
- ##发明有2个茅厕没有信息,将其填写为0。
- DATA$Toilet[DATA$Toilet == ""]<-0
- ##这里将Area后的㎡去掉
- DATA$Area<-str_replace(DATA$Area,"㎡","")
-
- ##查察Towards的范例
- table(DATA$Towards)
-
- Towards 北向 东北向 东南向 对象向 东向 南北向 南向 西北向
- 51 25 23 50 65 32 1901 678 38
- 西南向 西向
- 28 26
- ##将Floor信息带括号的所有去除
- DATA$Floor<-str_replace(DATA$Floor,"[（].*[）]","")##正则表达式
- #查察Floor的种别信息
- 低层 地下 高层 共1层 共2层 共3层 共4层 共5层 中层
- 632 32 790 36 61 101 68 130 1016
-
- #别离将TotalPrice和Price后头的万元、元/㎡去掉
-
- DATA$TotalPrice<-str_replace(DATA$TotalPrice,"万元","")
- DATA$Price<-str_replace(DATA$Price,"元/㎡","")
-
- head(DATA)
- ##将数据转换名目
- DATA$Bedrooms<-as.factor(DATA$Bedrooms)
- DATA$Halls<-as.factor(DATA$Halls)
- DATA$Toilet<-as.factor(DATA$Toilet)
- DATA$Area<-as.numeric(DATA$Area)
- DATA$TotalPrice<-as.numeric(DATA$TotalPrice)
- DATA$Price<-as.numeric(DATA$Price)
- DATA$Towards<-as.factor(DATA$Towards)
- DATA$Decorate<-as.factor(DATA$Decorate)
- str(DATA)
以上数据洗濯完毕。
03、描写性说明
这部门的首要思绪是探讨单个自变量对因变量的影响，对房价的影响身分举办模仿探讨之前，起首对各变量举办描写性说明，以起源判定房价的影响身分。这里探讨各个身分对总价影响。 （编辑：湖南网）
【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!
|
