• 2. 探索价格的分布。你有没有发现什么异常或令人惊讶之处？（提示：仔细考虑分箱宽度，并确保尝试一个较宽的取值范围。）
• 3. 0.99 克拉的钻石有多少颗？1 克拉的钻石有多少颗？你认为造成这种差异的原因是什么？
• 4. 在放大直方图时，比较并对比 coord_cartesian() 与 xlim() 或 ylim() 的异同。如果不设置 binwidth 会发生什么？如果缩放到只显示半根柱子会发生什么？

缺失值

如果你在数据集中遇到了异常值，并且只想继续进行其余的分析，你有两个选择：

• 删除包含异常值的整行数据：

diamonds2 <- diamonds %>% filter(between(y, 3, 20))

我不推荐这种做法，因为仅仅一个测量值无效，并不意味着所有测量值都无效。此外，如果你的数据质量较低，等你对每个变量都应用了这种方法之后，可能会发现已经没有任何数据剩下了！

• 相反，我建议用缺失值替换异常值。最简单的方法是使用 mutate() 将该变量替换为一个修改后的副本。你可以使用 ifelse() 函数将异常值替换为 NA：

diamonds2 <- diamonds %>% mutate(y = ifelse(y < 3 | y > 20, NA, y))

ifelse() 有三个参数。第一个参数 test 应该是一个逻辑向量。当 test 为 TRUE 时，结果将包含第二个参数 yes 的值；当 test 为 FALSE 时，结果将包含第三个参数 no 的值。

与 R 一样，ggplot2 也遵循这样的理念：缺失值绝不应该被悄悄地忽略。由于缺失值应该绘制在哪里并不明显，ggplot2 不会将它们包含在图中，但会发出它们已被移除的警告：