使用R比较好数据集和坏数据集

陷入困境。有两个数据集A和B。假设它们是两个工厂的数据集。工厂A的表现非常好，而工厂B则不是。我有工厂A的数据集（从制造单位输出的数据）和工厂B的数据集，两者都有相同的变量。我如何识别Factory B中有问题的变量，该变量需要修复，以便Factory B也开始表现良好？因此，我需要确定需要立即关注的问题变量

期待您的回复

---

p、 s：使用的编码语言是R

这是我帮助编写的软件包的无耻插件，它能满足您的要求。

dataMaid

包的思想是对数据帧中的变量运行一系列测试，并生成一份报告，供人类研究人员（最好是了解上下文的人）查看，以确定潜在问题

一个超级简单的入门方法是加载包并使用

clean

在数据帧上执行功能（如果您尝试清理相同的数据 帧多次，然后可能需要添加

replace=TRUE

参数以覆盖现有报告）

这将创建一个报告，其中包含每个报告的摘要和错误检查

树

数据框中的变量。提供了所有变量的摘要，对于

树

数据，如下所示

而来自每个变量的信息可能如下所示

在这里，我们得到了变量类型、汇总统计、一个图的状态，在本例中，还有一个可能存在异常值问题的指标

dataMaid

包还可以通过检查数据集中的单个变量或所有变量来交互使用

data(toyData)
check(toyData$var2)  # Individual check of var2
check(toyData)       # Check all variables at once

默认情况下，标准测试电池的运行取决于 变量类型，但可以通过提供自己的检查来扩展包

---

在您的情况下，我将在两个数据集上运行该包以获得两个报告，这些数据集中的任何重大差异都会引起一个问题的标志。

谢谢您的回答。我已经试过了，但它不能满足我的要求。因为我正在为业务用户制作一个用于比较数据集的用户界面，所以我需要向他们显示一个简单的输出，告诉他们“变量X有问题，请纠正它”整个处理将在后端完成，不会向用户显示。此输出的PDF非常有用，但仅适用于像我们这样的数据科学家/分析师，他们可以阅读文档并推断出错误。不过，感谢您的帮助。再次感谢。我以前不知道这个图书馆。如果您有任何其他建议，请告诉我。您可以使用软件包提供的信息制作您自己的列表-无需将结果呈现到标准输出文件中。查看

检查

功能。

data(toyData)
check(toyData$var2)  # Individual check of var2
check(toyData)       # Check all variables at once