在進行資料分析時，若原始資料是採取問卷的方式蒐集，則可能因為填答者的疏忽造成資料有不完整、不一致或者不準確的情況。此時研究者應該進行後製作業的修正或者移除，這個過程即稱作資料清理。在本次專欄中，我將簡單的介紹資料清理的流程與技巧，並在之後的一序列專欄進行深入的討論。

首先利用科技新報的薪資實價登錄為例，利用 R 語言先讀取資料：

可以發現此組資料前 3 列都是簡介並不是資料，且每一組樣本共有 13 筆資料的類型，其中利用逗點分隔，因此下一步將資料的前三列刪除，並將每一筆樣本的資料分隔開。

其中 str_split 指令表示將一筆文字資料經過逗點分隔，例如原始資料為

經過 str_split 處理後則得到

分開之後，即可根據各資料類型進行清理。以資料的第 11 行為例，該資料表示為月薪，單位為萬元。而資料原先預設為文字資料，因此需先轉為數值資料方可進行分析，其指令為 as.numeric。首先我們先檢查一下月薪資料，可利用 summary 進行初步分析。summary 指令計算資料的最小、最大、平均與三個四分位數，結果如下：

很明顯的月薪平均為 2674.8 萬元不合理，可以猜測有許多填答者未看到單位為萬元，例如月薪為 5 萬元應填入 5 但是錯填為 50000 (相當於 5 億元)，則可將填錯的部份修正。但由於資料筆數眾多，若逐一修正將會耗費大量時間，因此可利用統計軟體進行初步修正。考慮到2019年開始的最低薪資約為 25000，因此可將月薪填入數字超過 25000 的資料除上 10000 進行轉換，可利用 for 迴圈逐一修正確認，其程式碼如下：

可看出修正之後的資料正常許多。但仍然可能存在著不合理的情況，利如職務與薪資不符(例如醫生的月薪為 2.5 萬，可能輸入錯誤)，則需要由研究者大致看過幾筆薪資特別高或特別低的資料之後，自行建立演算法進行過濾。若資料無法判定其真實性，則可考慮刪除該樣本後再進行分析。