R 缺失值处理

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)