R语言简单数据处理和分析
需要掌握的技能：数据预处理和具体指标的计算
数据预处理包括：删除缺失数据；列名重命名；处理日期；数据类型转换；数据排序
具体指标依照数据类型的不同而不同，本文的数据为某班级同学的成绩表
主要计算了形体的总成绩，体育的总成绩，形体与体育两门课的总成绩，平均成绩
读取excel数据
library(openxlsx)
exceldata<-read.xlsx("C:/成绩表.xlsx","Sheet1")
删除缺失数据
exceldata<-exceldata[!is.na(exceldata$形体平时成绩),]
列名重命名
names(exceldata)<-c("ID","name","ShapeRegular",
"ShapeFinal","PERegular","PEFinal")
数据类型转换
exceldata$ShapeFinal<-as.numeric(exceldata$ShapeFinal)
形体的总成绩，体育的总成绩，总成绩
library(dplyr)
ShapeTotal<-0.4*exceldata$ShapeRegular+0.6*exceldata$ShapeFinal
exceldata<-cbind(exceldata,ShapeTotal)
PETotal<-0.4*exceldata$PERegular+0.6*exceldata$PEFinal
exceldata<-cbind(exceldata,PETotal)
TotalGrade<-(exceldata$ShapeTotal+exceldata$PETotal)
exceldata<-cbind(exceldata,TotalGrade)
对总成绩排序
exceldata<-exceldata[order(exceldata$TotalGrade,decreasing = FALSE),]
计算平均成绩
GPA<-mean(TotalGrade)
GPA
大数据培训、人工智能培训、Python培训、大数据培训机构、大数据培训班、数据分析培训、大数据可视化培训，就选光环大数据！光环大数据，聘请专业的大数据领域知名讲师，确保教学的整体质量与教学水准。讲师团及时掌握时代潮流技术，将前沿技能融入教学中，确保学生所学知识顺应时代所需。通过深入浅出、通俗易懂的教学方式，指导学生更快的掌握技能知识，成就上万个高薪就业学子。
更多问题咨询，欢迎点击------>>>>在线客服！
