R_Studio(学生成绩)对数据缺失值md.pattern()、异常值分析(箱线图)

 

 

　　我们发现这张Gary.csv表格存在学生成绩不完全的(五十三名学生，三名学生存在成绩不完整、共四个不完整成绩)

　　　　79号大学语文、高等数学

　　　　96号中国近代史纲要

　　　　65号大学体育

 

　　

 

 　　

 

（1）NA表示数据集中的该数据遗失、不存在。在针对具有NA的数据集进行函数操作的时候，该NA不会被直接剔除。如x<-c(1,2,3,NA,4)，取mean(x)，则结果为NA，如果想去除NA的影响，需要显式告知mean方法，如 mean(x,na.rm=T)；NA是没有自己的mode的，在vector中，它会“追随”其他数据的类型，比如刚刚的x，mode(x)为numeric，mode(x[4])亦然。

（2） NULL表示未知的状态。它不会在计算之中，如x<-c(1,2,3,NULL,4)，取mean(x)，结果为2.5。NULL是不算数的，length(c(NULL))为0，而length(c(NA))为1。可见NA“占着”位置，它存在着，而NULL没有“占着”位置，或者说，“不知道”有没有真正的数据。

    在R语言中缺失值通常以NA表示，判断是否缺失值的函数是is.na。
    另一个常用到的函数是complete.cases，它对数据框进行分析，判断某一观测样本是否完整。

NA与NULL的区别

 

setwd('D:\\data')                                #设置工作目录
list.files()　                                   #列出工作目录下的文件
dat=read.csv(file="Gary.csv",header=TRUE)        #打开Gary.csv文件


is.na(dat)                                       #对数据进行判空，空值返回TRUE
complete.cases(dat)                              #对数据行进行判空，存在空值的行返回TRUE

sum(complete.cases(dat))                         #统计未缺失数
sum(!complete.cases(dat))                        #统计缺失数
mean(!complete.cases(dat))                       #统计缺失比例
dat[!complete.cases(dat),]                       #返回存在空值行数据

library(mice)                                   
md.pattern(dat)                                  #针对复杂的数据集值进行处理


#异常值检测箱线图
sp<-boxplot(dat$"大学语文",boxwex=0.7,norch=FALSE)
title("大学语文")
xi=1.1
sd.s=sd(dat[complete.cases(dat),]$"大学语文")   #标准差
mn.s=mean(dat[complete.cases(dat),]$"大学语文")  #均值
points(xi,mn.s,col="red",pch=18)
arrows(xi, mn.s - sd.s, xi, mn.s + sd.s, code = 3, col = "pink", angle = 75, length = .1)

text(rep(c(1.05,1.05,0.95,0.95),length=length(sp$out)),labels=sp$out[order(sp$out)],
     sp$out[order(sp$out)]+rep(c(150,-150,150,-150),length=length(sp$out)),col="red")

plot(saledata[,1],saledata[,2])
lines(saledata[,2])

Gary.R

 

 

对成绩数据进行缺失值分析，并表述分析过程

 

 

处理方法

　　对数据进行判空，空值返回TRUE

　　　　is.na(dat) 

　　对数据行进行判空，存在空值的行返回TRUE
　　　　complete.cases(dat) 

 

　　统计未缺失数

　　　　sum(complete.cases(dat)) 

　　统计缺失数
　　　　sum(!complete.cases(dat)) 

　　统计缺失比例
　　　　mean(!complete.cases(dat)) 

　　返回存在空值行数据
　　　　dat[!complete.cases(dat),] 

 

　　依赖包mice

　　md.pattern(dat) #针对复杂的数据集值进行处理

 

 

 

 　　md.pattern()

　　　　依赖包mice

 　　　   生成一个以矩阵或数据框形式展示缺失值模式的表格

 

 

 

　　0表示变量的列中没有缺失，1则表示有缺失值

 　　第一行第一个数据：完整成绩人数

　　 　　    第二个数据至倒数第二个数据：列出全部学生考试科目

　　            最后一个数据：缺少考试科目数量(争对复杂数据，这里象对数据简单)

　　 第二行至倒数第二行：缺少考试成绩学生信息

　　　　　 第二行表示存在一个学生缺少 中国近代史纲要成绩 缺少成绩科目数量为1

　　　　     第三行表示存在一个学生缺少 大学语文和高等数学 缺少成绩科目数量为2

　　　　　 第四行表示存在一个学生缺少 大学体育 缺少成绩科目数量为1

　　最后一行：给出了每个科目的缺失值数目(中国近代史纲要成绩、大学语文和高等数学、大学体育)

　　　　　 最后一个数据：缺少科目学生人数(3人)

 

 

对成绩数据进行异常值分析，并表述分析过程

 

　　箱线图　　传送门

　　箱线图（Boxplot）也称箱须图（Box-whisker Plot），是利用数据中的五个统计量：最小值、第一四分位数、中位数、第三四分位数与最大值来描述数据的一种方法，它也可以粗略地看出数据是否具有有对称性，分布的分散程度等信息，特别可以用于对几个样本的比较。　　

 

　　

 

 

 

 

#异常值检测箱线图
sp<-boxplot(dat$"大学语文",boxwex=0.7,norch=FALSE)
title("大学语文")
xi=1.1
sd.s=sd(dat[complete.cases(dat),]$"大学语文")   #标准差
mn.s=mean(dat[complete.cases(dat),]$"大学语文")  #均值
points(xi,mn.s,col="red",pch=18)
arrows(xi, mn.s - sd.s, xi, mn.s + sd.s, code = 3, col = "pink", angle = 75, length = .1)

text(rep(c(1.05,1.05,0.95,0.95),length=length(sp$out)),labels=sp$out[order(sp$out)],
     sp$out[order(sp$out)]+rep(c(150,-150,150,-150),length=length(sp$out)),col="red")

plot(saledata[,1],saledata[,2])
lines(saledata[,2])

 

 

 　　提示错误：Error in text.default(rep(c(1.05, 1.05, 0.95, 0.95), length = length(sp$out)),  : 'labels'长度不能设成零

 

　　测试科目 大学语文 时尽然无耻的报错了 Σ(= = !)...

 

　　sp$out：结果中会自带异常值，就是下面代码中的sp$out，这个是做箱型图，按照上下边界之外为异常值进行判定的

 

　 　异常值可能对统计结果(均值)参数不对称的影响，因此导致误导性解释

　　对数据进行规范化目的：规范化目的是使结构更合理，消除存储异常，使数据冗余尽量小，便于插入，删除，和跟新

 

 　　测试高等数学

 

 

　　成功画出箱线图！！

 

 　　测试 高级语言程序设计 

 

 　　成功画出箱线图！！

 

转载于:https://www.cnblogs.com/1138720556Gary/p/9649250.html