डेटा इंटेग्रिटी
किसी डेटासेट को एक्सप्लोर करते समय, कभी-कभी ऐसी चीज़ मिलती है जिससे आप यह सोचने पर मजबूर हो जाते हैं कि डेटा कैसे संकलित किया गया. उदाहरण के लिए, वैरिएबल num_char ईमेल में कैरेक्टर्स की संख्या (हज़ारों में) बताता है, इसलिए इसमें दशमलव मान आ सकते हैं, लेकिन यह निश्चित रूप से नेगेटिव मान नहीं होना चाहिए.
आप यह सुनिश्चित करने के लिए एक टेस्ट लिख सकते हैं कि यह वैरिएबल हमारी अपेक्षा के अनुसार बर्ताव कर रहा है:
email$num_char < 0
यदि आप यह कोड कंसोल में चलाते हैं, तो आपको लॉजिकल मानों का एक लंबा वेक्टर मिलेगा जो डेटासेट की हर केस के लिए दिखाता है कि यह कंडीशन TRUE है या नहीं. यहाँ, शुरुआती 1000 मान सभी FALSE दिखते हैं. यह जाँचने के लिए कि क्या सचमुच सभी केसों में num_char के मान non-negative हैं, हम इस वेक्टर का sum ले सकते हैं:
sum(email$num_char < 0)
यह एक काम की शॉर्टकट है. जब आप लॉजिकल मानों पर arithmetic करते हैं, तो R TRUE को 1 और FALSE को 0 मानता है. चूँकि पूरे वेक्टर पर sum शून्य आता है, आप जान लेते हैं कि डेटासेट की हर केस ने इस टेस्ट में FALSE लिया. यानी, num_char कॉलम हमारी अपेक्षा के अनुसार बर्ताव कर रहा है और केवल non-negative मान ले रहा है.
यह अभ्यास पाठ्यक्रम का हिस्सा है
R में Exploratory Data Analysis
अभ्यास निर्देश
image और attach वैरिएबल पर विचार करें. आप इनके बारे में ?email से पढ़ सकते हैं, लेकिन help फ़ाइल अस्पष्ट है: क्या इस डेटासेट में संलग्न इमेज को संलग्न फाइलों में गिना जाता है?
एक सरल टेस्ट डिज़ाइन कीजिए ताकि तय हो सके कि इमेज को संलग्न फाइलों में गिना जाता है या नहीं. इसके लिए दोनों वैरिएबल के मानों की तुलना करने वाली एक लॉजिकल कंडीशन बनानी होगी, फिर sum() का उपयोग करके डेटासेट की हर केस को परखा जाएगा. याद रखें कि लॉजिकल ऑपरेटर ये हैं: < यानी less than, <= यानी less than or equal to, > यानी greater than, >= यानी greater than or equal to, और == यानी equal to.
इंटरैक्टिव व्यावहारिक अभ्यास
इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।
# Test if images count as attachments