问题描述：

MelbCV.csv是墨尔本人行道监控数据的一个子集，用探索一个新的数据集的一般策略（第三讲ppt）对其进行探索性分析，并利用统计描述或图形回答如下问题：
每个变量有多少个唯一值？什么值出现的频率最高，多久出现一次？有缺失值吗？如果有，这种情况发生的频率有多高？
数据集在附件；
如下图，简单展示数据集

分析：

探索一个新的数据集的一般策略：

1. 得到唯一值的方法：

a<-c(11,2,11,5,6,7)
table(a)

2. 获取出现频率最多的一个数，即获取众数：

getmode <- function(v) {
 uniqv <- data.frame(table(v))  
 i<-which.max(uniqv$Freq)
 as.numeric(as.vector(uniqv$v[i]))
}

3. 因子形转变成向量型
   as.vector()

解决方案：

library(tidyverse)
MelbCV<-as.tibble(MelbCV)
MelbCV.unique<-apply(MelbCV,2,FUN = function(x){length(unique(x))})
MelbCV.unique#每个变量有多少唯一值

getmode <- function(v) {
   uniqv <- data.frame(table(v))  
   #print(uniqv)
   i<-which.max(uniqv$Freq)#将table转为data.frame的时候表示次数的那列向量会被自动命名为Freq,打印出来如下图一
   as.numeric(as.vector(uniqv$v[i]))
}
MelbCV.mode<-apply(MelbCV[,8:15],2,FUN = function(x){getmode(x)})
MelbCV.mode#结果如下图二，出现频率最高的值

MelbCV.mode是每列出现频次最高的值即众数，其中Date,year,Month,Mdate,Hour中的各个唯一值出现频次相同如下,Day列中出现频次最高的有1和7;Hour中的出现频次最高的值每24个记录其中就会出现一次;Date,year,Month,每一条记录其都会出现其众数;发现State Library的众数是一个缺失值

MelbCV$Date%>%table
MelbCV$Year%>%table
MelbCV$Month%>%table
MelbCV$Mdate%>%table
MelbCV$Day%>%table
MelbCV$Hour%>%table
MelbCV$Weekday_End%>%table

#下面是众数出现的位置
which(MelbCV$`Town_Hall-West`==MelbCV.mode[1])
which(MelbCV$`Collins Place-South`==MelbCV.mode[2])
which(MelbCV$`Bourke Street Mall-North`==MelbCV.mode[5])
which(MelbCV$`Australia on Collins`==MelbCV.mode[3])
which(MelbCV$`Bourke Street Mall-South`==MelbCV.mode[4])
which(MelbCV$`Melbourne Central`==MelbCV.mode[6])
which(MelbCV$`Flagstaff Station`==MelbCV.mode[7])
which(MelbCV$`State Library`==MelbCV.mode[8])
MelbCV%>%summary#发现存在缺失值在`State Library`列，共有357个缺失值
sum(is.na(MelbCV$`State Library`))#缺失值个数
naprop<-sum(is.na(MelbCV$`State Library`))/nrow(MelbCV)
naprop#出现缺失值的频率