在 R 中，分类数据是作为因子处理的。顾名思义，分类数据是有限的，因为它们有一定数量的可能取值。例如，一个日历年有 12 个月。在月份变量中，每个观测值只能取这 12 个值中的一个。因此，由于可能取值的数量有限，月份就是一个分类变量。在本课的其余部分中，分类数据将被称为因子，它们经常出现在数据中。学习如何有效地处理这类变量将大有裨益。

在数据科学项目中，处理文本数据越来越常见。通常需要对文本进行处理，以清理杂乱的数据集，并从文本输入中创建数值测量。此外，文本本身往往就是数据，本模块涵盖了从文本中提取信息的工具。

探索性分析的目的是检查或探索数据，发现以前不知道的关系。探索性分析探索不同测量指标之间的关系，但并不确认这种关系是因果关系，即一个变量导致另一个变量。你可能听说过 "相关并不意味着因果 "这句话，而探索性分析正是这句话的根源所在。在探索性分析中观察到两个变量之间的关系，并不意味着其中一个变量一定会导致另一个变量。

现在，我们将使用案例研究示例演示如何导入数据。在完成案例研究的步骤时，您可以使用自己电脑上的 RStudio 或为每个案例研究提供的 Coursera 实验室空间。

在本项目中，您将利用消费者金融保护局（CFPB）的消费者投诉数据，通过 tidyverse 练习数据探索和数据处理。