如何识别数据集中的因素

Question

我正在使用从UCI（我称之为adultdata）检索到的成人数据集。我正在尝试识别我的数据集中的因素。首先，我试图删除缺少数据的观察，所以任何行都有“？”在其中一个V1，V2，...，V15列中，我想删除。我尝试过以下方法：

adultdata1<- adultdata[adultdata$V2 !="?",]

和

adultdata1<- subset(adultdata, V2!="?")

但是，子集adultdata1与我原始数据集的观察次数相同。出于某种原因，我无法确定任何因素。我已经澄清了它们是使用的因素：

sapply(adultdata, class)

我提出的解决方案是确定哪些数值归因于“？”使用：

as.numeric(adultdata$V2)

（事实证明“？”= 1）然后放下“？”值使用：

adultdata1<- adultdata[as.numeric(adultdata$V2) !="1",]

我必须对包含缺失值的每个变量V2，V3，...，V15执行此操作。我觉得必须有一个更简单的方法吗？我也希望能够确定所谓的值，而不是它们的数字类别。

Answer 1

尝试读取数据并设置stringsAsFactors = F：

read.csv(file = 'myfile',header = T, stringsAsFactors = F)

R将默认为比我更喜欢的因素。我倾向于避免这个因素，除非我明确地想要它。

Answer 2

strip.white = T是解决方案。这些因素在所有文本前面都有一个空格。就上面所写的内容而言，

adultdata1<- adultdata[adultdata$V2 !=" ?",] 

和

adultdata1<- subset(adultdata, V2!="?")

都会奏效。注意＆＃34;？＆＃34;前面的空格。