第一章

   对UFO报告数据的处理

   R程序说明如下：

library(ggplot2)

##读入文件，不对string进行factor转换，将空字符设置为NA

ufo<-read.delim("ufo_awesome.tsv",sep="t",stringsAsFactors=FALSE,header=FALSE,na.strings="")

##查看前五组数据

head(ufo)

##对列进行重命名

names(ufo)<-c("DateOccurred","DateReported","Location","ShortDescription","Duration","LongDescription")

问题一（删除不规范样本）

 ##希望将string格式转换为日期格式出现错误

 ufo$DateOccurred<-as.Date(ufo$DateOccurred,format="%Y%m%d")

 错误于strptime(x, format, tz = "GMT") : 输入字符串太长

 ##输出前五组不符合日期格式的数据

 head(ufo[which(nchar(ufo$DateOccurred)!=8|nchar(ufo$DateReported)!=8),1])

 ##标记错误数据

 good.rows<-ifelse(nchar(ufo$DateOccurred)!=8|nchar(ufo$DateReported)!=8,FALSE,TRUE)

 ##统计错误数据个数

  length(which(!good.rows))

  [1] 731

  length(which(good.rows))

  [1] 61139

get.location<-function(l){

 ##按“，”分割字符串

 split.location<-tryCatch(strsplit(l,",")[[1]],error=function(e) return(c(NA,NA)))

 ##正则表达式去除前面的空格

 clean.location<-gsub("^","",split.location)

 if(length(clean.location)>2){

   return(c(NA,NA))

   }else{

     return(clean.location)

   }

}

##用写好的get.location方法清洗地点数据

city.state<-lapply(ufo$Location,get.location)

读到了P23。主要工作包括下载了数据资料；对数据的导入；查看前后5行信息了解数据大致内容

对不符合格式的数据的处理方法，首先确定这些数据的数量，如果数量较少就直接删除

然后整理地点数据，这里用到正则表达式，花了一天的时间系统的学习了一下，受益匪浅。