R语言实战笔记--第十五章 处理缺失数据

R语言实战笔记–第十五章 处理缺失数据

标签（空格分隔）： R语言 处理缺失数据 VIM mice

---

　　缺失值(NA)，是导致我们计算错误的一大来源，处理缺失数据在实际的应用中有着较为重要的作用。

基本方法

　　使用函数中内置的缺失值处理参数：在一般的计算函数如sum中，就包括了na.rm=T/F来控制是否忽略缺失值，默认不忽略，计算结果为NA，若忽略，则返回排除缺失值之后的计算结果。
　　使用na.omiit()函数处理：na.omit()函数可以把含有缺失值(NA)的向量的元素、矩阵和数据框的行删除。对向量和矩阵，删除后返回一个omit对象，并且显示删除了元素的下标或矩阵的行号，返回对象名称；对数据框，则直接返回去除缺失所在行之后的数据框对象。具体可使用example(na.omit)查看。

高级方法

　　完整的处理步骤包含：
　　1、识别缺失数据；
　　2、检查导致缺失数据的原因；
　　3、删除含缺失值的实例或用合理的值代替（插补）缺失值。
　　很明显的是，识别缺失数据是可以由机器完成的，但是，缺失数据原因的检查，以及选择删除还是使用某种合理值代替缺失数据均需要人工来选择，需要对数据的收集过程有所理解才能知道数据缺失原因，知道数据的含义及实际作用才能理解使用什么样的值才合理（可靠、准确）。
　　

识别缺失值

　　缺失值(NA)、不可能值(NaN)以及无穷值(-Inf,Inf)的识别方法分别是is.na()，is.nan()和is.infinite()，每个返回结果均为TRUE/FALSE，它会识别每一个元素并返回结果，再使用sum()函数及mean()函数来求得缺失值的数量以及缺失比例。
　　另外，使用complete.cases()函数可得到数据框中不含缺失值(NA)及不可能值(NaN)的行，!complete.cases()则相反。注意，它并不能识别无穷值！
　　

探索缺失值模式

　　缺失值的识别不仅仅是知道哪里有缺失，也在于怎么样的缺失（即缺失模式），这样才更有较的帮助我们进行下一步（寻找缺失原因）。方法有如下几种，列表样式、图形样式以及相关性样式：
列表
　　利用mice包中的md.pattern()函数，可得到一个信息列表，它的第一列是符合右边样式的行数，最后一列表示缺失值个数，中间的列是dataframe的原有列（顺序会改变，由缺失数量由小到大排列），它的下面使用1表示非缺失值，0表示缺失值，如下图，图中第二行表示数据框中，仅Span变量有缺失的行有2行，缺失数为1个。