R语言数据缺失值处理

文章目录

处理缺失值的步骤一般为：

识别缺失值
补全个案或删除个案

个案、行都是指代一个意思

###识别缺失值
识别缺失值的方法很多，这里主要介绍三种。
####is.na函数
R语言中用NA代表缺失值。使用is.na函数可以检测缺失值，并返回True或FALSE组成的向量。
下面用举一个例子。

#首先生成一个有缺失值的数据框
a <- c(1,2,3,NA)
b <- c(5,6,7,8)
c <- c(7,8,NA,2)
data <- data.frame(a,b,c)
#data数据集的3和4行存在缺失值
dataa b  c
1  1 5  7
2  2 6  8
3  3 7 NA
4 NA 8  2
#用is.na函数
is.na(data)a     b     c
[1,] FALSE FALSE FALSE
[2,] FALSE FALSE FALSE
[3,] FALSE FALSE  TRUE
[4,]  TRUE FALSE FALSE
#结果显示第3行第3列和第四行第1列存在缺失值。

####！complete.case函数
complete.case函数可以列出没有缺失值的行，开头加**！可以列出存在缺失值的行。R语言中！**是否定的意思。
引用上面数据集作！complete.case函数示例。

data[!complete.cases(data),]a b  c
3  3 7 NA
4 NA 8  2
#结果显示第3行和第4行有缺失值

还可用sum函数和mean函数获取缺失值的有关信息

#检查data中a的缺失值数量
sum(is.na(data$a))
#1个
[1] 1
#检查data中a的缺失值比例
mean(is.na(data$a))
#缺失25%
[1] 0.25
#！complete.cases函数同样可以
sum(!complete.cases(data$a))
[1] 1
mean(!complete.cases(data$a))
[1] 0.25

####mice包
当数据集较小时用is.namice包中的md.pattern函数可以帮助检测缺失值，并以矩阵或数据框形式和图片展示缺失值表格。

#首先安装mice包
install.packages("mice")
#载入mice包
library(mice)
#检测数据，以data数据集为例
md.pattern(data)b a c
2 1 1 1 0
1 1 1 0 1
1 1 0 1 10 1 1 2

结果在左上角显示有2行没有缺失值，有1行c变量缺失，1行a变量缺失,最右下角共计2个缺失值

返回的图片则以可视化方式展示表达同样的意思。

如果数据没有缺失值，则返回一行计数为0的图片

###缺失值处理
缺失值处理一般分为两种。一种是删除个案，一种是补全个案。
####删除个案
用complete.cases函数生成一个新的数据集或na.omit函数删除存在缺失值的行。

newdata <- data[complete.cases(data),]
newdataa b c
1 1 5 7
2 2 6 8
na.omit(data)a b c
1 1 5 7
2 2 6 8

####补全个案
一般采用多重插补(MI)方法补全个案，它是基于重复模拟思想而来。Amelia、mice和mi包都可以实现这一功能。本次主要使用mice包为例。
基于mice包分析通常分析过程：

library(mice)
imp <- mice(data,m)
fit <- with(imp,analysis)
pooled <-pool(fit)
summary(pooled)
其中

data是一个包含缺失值的矩阵或数据框。
imp是一个包含m个插补数据集的列表对象，默认m为5。
analysis是一个表达式对象，用来设定应用于m个插补数据集的统计分析方法。包括线性回归模型lm函数，广义线性模型glm函数等。
fit是一个包含这m个统计分析单独统计分析结果的列表对象。
pooled是一个包含着m个统计分析平均结果的列表对象。
示例：

library(mice)
data(sleep,package='VIM')
imp <- mice(sleep,seed=1234)
fit <- with(imp,lm(Dream~Span+Gest))
pooled <-pool(fit)
summary(pooled)
#通过imp查看更多信息
imp
#查看实际插补值
imp$imp$Dream
#指定m个完整数据集中的一个来展示
dataset <- complete(imp,action=3)

补全缺失值数据的方法还有均值补充、中位数补充、线性回归、线性趋势等，另表不题。

R语言数据缺失值处理相关推荐

R语言数据缺失值替换替换成其他数字
data=read.csv("data1.csv",row.names = NULL,header=T)data[data < 10] <- 0 #数据缺失值替换 da ...
R语言数据缺失值处理（随机森林，多重插补）
缺失值是指数据由于种种因素导致的数据不完整,可以分为机械原因和人为原因.对于缺失值我们通常采用以下几种方法来进行插补. 1.读取数据通过read.csv函数导入文档,也可以用其他函数读入,如open ...
R语言-数据清洗-缺失值处理
缺失值处理包括两个步骤,即缺失数据的识别和缺失值处理.在R语言总缺失值以NA表示,可以使用函数is.na()判断缺失值是否存在,函数complete.cases()可识别样本数据是否完整从而判断缺失情 ...
R语言数据对象与运算
R语言数据对象与运算笔记整理 2.1 数据对象及类型 R语言创建和控制的实体被称为对象(object) ls()命令来查看当前系统里的数据对象 R对象的名称必须以一个英文字母打头,并由一串大小写字母 ...
【组队学习】【28期】R语言数据科学
R语言数据科学论坛版块: http://datawhale.club/c/team-learning/36-category/36 开源内容: https://github.com/datawhal ...
推荐：一本“高颜值”的R语言数据可视化图书(包邮送3本)
文章留言点赞前3名的朋友,每人送1本<R语言数据化可视化之美增强版>,名单揭晓日期为:本周日 (2020年7月12日晚7点).到时,获奖的朋友可以直接添加微信:meta-genomics, ...
半折预售：新书-R语言数据可视化之美|ggplot2作者推荐
我本来想等正式发售的时候,再告诉大家我的新书<R语言数据可视化之美>已经出版,奈何新书还太贵,这几天刚好京东有买100减50的活动,所以想想还是赶紧告诉大家吧,不然平时购买的话,太真有点小 ...
R语言进行缺失值填充（Filling in missing values）：使用R原生方法、data.table、dplyr等方案
R语言进行缺失值填充(Filling in missing values):使用R原生方法.data.table.dplyr等方案目录 R语言进行缺失值填充&#x
R语言数据包自带数据集之ISwR包的melanom数据集字段解释、数据导入实战
R语言数据包自带数据集之ISwR包的melanom数据集字段解释.数据导入实战目录 R语言数据包自带数据集之ISwR包的melanom数据集字段解释.数据导入实战 #数据字段说明 #导入包 #导入数 ...
R语言数据包自带数据集之survival包的colon数据集字段解释、数据导入实战
R语言数据包自带数据集之survival包的colon数据集字段解释.数据导入实战 #数据字段说明 colon数据集:B/C期结肠癌辅助化疗治疗数据 d # 患者编号 study # 所有患者都是1 ...

R语言数据缺失值处理

文章目录

R语言数据缺失值处理相关推荐

最新文章

热门文章