Lückenhaften Datensatz bereinigen

[Effigy]

Hallo zusammen,

ich bin ein absoluter Beginner mit R und habe folgendes Problem:
Ich habe einen dataframe, der in der Spalte "Temp" Temperaturen als numerische Werte anzeigt. Allerdings kommen dort öfters mal Striche "---", so dass ich bestimmte Operationen wie bspw. mean berechnen nicht anwenden kann.
Nun meine Frage: Wie behandel ich diese Striche am Besten? Soll ich sie in NA umwandeln? Gibt es eine Funktion, die alle Zeilen mit "---" einfach ignoriert/löscht? Danke im Voraus für eure Hilfe, bin gerade etwas am verzweifeln.

Gruß,
Max

[jogo]

Hallo Max,

willkommen im Forum!

Ich habe einen dataframe, der in der Spalte "Temp" Temperaturen als numerische Werte anzeigt. Allerdings kommen dort öfters mal Striche "---", so dass ich bestimmte Operationen wie bspw. mean berechnen nicht anwenden kann.
Nun meine Frage: Wie behandel ich diese Striche am Besten? Soll ich sie in NA umwandeln? Gibt es eine Funktion, die alle Zeilen mit "---" einfach ignoriert/löscht? Danke im Voraus für eure Hilfe, bin gerade etwas am verzweifeln.

Solche nicht vorhandenen Werte sind ganz klassisch NA. Beim Einlesen kann man solche Kennungen für fehlende Werte behandeln.

Code: Alles auswählen

read.table(..., na.strings = "---", ...)

In Deinem Fall so:

Code: Alles auswählen

D <- read.delim("http://forum.r-statistik.de/download/file.php?id=781", header=FALSE, skip=2, na.strings = "---")

Man kann noch versuchen, die Spaltenbezeichnungen zu retten:

Code: Alles auswählen

H <- read.delim("http://forum.r-statistik.de/download/file.php?id=781", nrows=1)
colnames(D) <- colnames(H)

(In der originalen Datei sind zwei Zeilen für den Kopf vorhanden.)

Was man anschließend mit diesen Werten macht, ist eine ganz andere Frage.
Die sauberste Lösung ist, auf Berechnungen mit diesen Werten zu verzichten.

Gruß, Jörg

[Effigy]

Danke Jörg,

das hat funktioniert!

Kannst du mir bitte noch sagen, wie ich am besten einen Mittelwert für jeden Tag berechnen kann?

Gruß

[jogo]

Code: Alles auswählen

tapply(D$Temp, D$X, FUN=mean, na.rm=TRUE)

oder

Code: Alles auswählen

aggregate(Temp ~ X, data=D, FUN=mean)

Gruß, Jörg

[Effigy]

Code: Alles auswählen

tapply(D$Temp, D$X, FUN=mean, na.rm=TRUE)

oder

Code: Alles auswählen

aggregate(Temp ~ X, data=D, FUN=mean)

Gruß, Jörg

Was ist hier mit X gemeint?

Gruß

[jogo]

Bei mir ist das die Spalte, die das Datum enthält nach

Code: Alles auswählen

D <- read.delim("http://forum.r-statistik.de/download/file.php?id=781", header=FALSE, skip=2, na.strings = "---")
H <- read.delim("http://forum.r-statistik.de/download/file.php?id=781", nrows=1)
colnames(D) <- colnames(H)

Gruß, Jörg

[Effigy]

Ahhh okay, wie gut! Danke! <3

[Effigy]

Noch eine Frage:

Ich habe jetzt folgenden Code benutzt, um einen Mittelwert der Temperaturmessungen von jedem Tag zu erhalten.

Code: Alles auswählen

WSDede <- read.delim(header=TRUE, na.strings = "---", skip=1, file.choose())
WSDede2 <- tapply(WSDede$Temp, WSDede$Date, FUN=mean, na.rm=TRUE)
WSDede3 <- as.data.frame.table(WSDede2)

Mein Dataframe "WSDede3" sieht jetzt so aus:

Var1 Freq
1 01.10.19 12.372340
2 01.11.19 0.872093
3 02.10.19 10.033333
4 02.11.19 9.918750
5 03.10.19 9.350000
6 03.11.19 11.850000
7 .... ... usw.

Wie man sieht, kommt nach dem 01.10.19 schon der 01.11.19. Wie kann ich ihn richtig sortieren? Danke!

[jogo]

Wenn man das Datum vorher wirklich in einen Datumstyp umwandelt, dann wird auch richtig sortiert.

Code: Alles auswählen

D$Tag <- as.Date(D$X, "%d.%m.%y")
aggregate(Temp ~ Tag, data=D, FUN=mean, na.rm=TRUE)

Gruß, Jörg

[Effigy]

Ok danke dir, ich hab's letztendlich so gemacht:

Code: Alles auswählen

WSDede3$Var1 <- lubridate::dmy(WSDede3$Var1)
WSDede4 <-dplyr::arrange(WSDede3, Var1)