如果变量是数值型的，则可以通过定义下限和上限将其转换为分类变量。例如，年龄从 21 岁到 25 岁可以转换为一个类别，例如 21-25。要将 R 数据框列转换为分类变量，可以使用 cut 函数。示例 1 实时演示考虑以下数据框：

有时字符串向量在末尾或开头包含不必要的字符，或者字符串本身有意义但不需要，或者存在拼写错误。在这种情况下，我们需要删除不必要的字符。这可以使用 gsub 函数来完成。示例 1 实时演示x1

要删除字符串中的第一个和最后一个字符，可以使用 stringr 包的 str_sub 函数。例如，如果一个单词，比如 tutorialspoint，被错误地输入为 ttutorialspointt 并存储在名为 x 的向量中，那么要删除第一个和最后一个“t”，可以使用命令 str_sub(x,2,-2)。示例 1library(stringr) x1

要统计 R 数据框中重复行的数量，首先需要使用 setDT 将数据框转换为 data.table 对象，然后使用 Count 函数统计重复项。例如，如果我们有一个名为 df 的数据框，则可以使用以下命令统计重复行：setDT(df)[,list(Count=.N),names(df)]。示例 1 实时演示考虑以下数据框：

如果我们有一个向量，其中包含小于、等于和大于 2 的值，并且值 2 是阈值。如果为较低的值定义此阈值，并且我们希望将小于 2 的值替换为 2，则可以使用 pmax 函数。例如，对于向量 x，将执行 pmax(x,2)。示例 1 实时演示x1

要将 R 数据框中的多列转换为单列，可以使用 unlist 函数。例如，如果我们有一个定义为 df 的数据框，并且包含四列，则可以使用 data.frame(x=unlist(df)) 将 df 的列转换为单列。示例 1 实时演示考虑以下数据框：

有很多方法可以定义异常值，研究人员和技术人员也可以手动设置。此外，我们可以使用第 5 百分位数作为下限异常值，使用第 95 百分位数作为上限异常值。为此，我们可以使用 scales 包的 squish 函数，如下例所示。示例 1library(scales) x1

要查找 R 数据框中缺失值的百分比，可以使用 sum 函数和 prod 函数。例如，如果我们有一个名为 df 的数据框，其中包含一些缺失值，则可以使用以下命令计算缺失值的百分比：(sum(is.na(df))/prod(dim(df)))*100 示例 1 实时演示考虑以下数据框：

在数据分析中，我们有时会根据我们的想法决定数据的规模或样本量，这可能会导致删除数据的一部分。其中一项可能是删除分类列中三个或更少的重复组合，这可以使用 dplyr 包的 filter 函数结合 group_by 函数来完成。示例 1 实时演示考虑以下数据框：

要创建具有不同大小的重复元素的大型向量，我们可以使用 rep 函数以及逻辑向量作为索引。包含 TRUE 或 FALSE 的逻辑向量将定义使用 rep 函数创建的向量中值的选取或省略。如果使用 rep 创建的向量大于逻辑向量，则逻辑向量将被循环使用。示例 1 实时演示x1