假设有一组数据集如下:
data=data.frame(y=c(1,2,3,NA,5,6),x1=c(6,NA,4,3,2,1),x2=c(1,3,6,9,12,NA))
“NA”即表示缺失值。
在R中输入该数据。
#判断缺失数据
is.na(data)
#统计缺失值个数
sum(is.na(data))
#查看每个样本数据是否完整,其值与is.na()相反
complete.cases(data)
这里介绍处理缺失值的3种方法。
1、选择无缺失值的记录,代码如下:
data1=data[complete.cases(data),]
2、删除所有有缺失值的记录,这种方法在数据处理中是最常用的。
data2=na.omit(data)
3、替换缺失值。通过一定的统计方法计算出相应值来替换缺失值。一般的方法有:平均值法(最常用)、多重插补法、随机模拟法回归预测(较复杂)。
平均值法如下:
#使用已有值的平均值来代替缺失数据
attach(data)
y[is.na(y)]=mean(y,na.rm=T)
x1[is.na(x1)]=mean(x1,na.rm=T)
x2[is.na(x2)]=mean(x2,na.rm=T)
data=data.frame(y,x1,x2)