easyui combobox 获取选中值_【统计实战】缺失值识别与处理

关注我的，分析数据不发愁了

不信你试试

后台留言，获取统计软件

在科学研究中，缺失值通常难以避免，但处理起来又比较麻烦，很多人选择忽略缺失值，但有些时候它们会不知不觉给我们造成麻烦，学几招缺失值识别和处理的技术还是很有必要的。

1、导入数据

1.1 在Excel中按Ctrl+A把数据全部选中，然后右键点击复制。

1.2 把数据导入R

在Rstudio里输入：

mydata"clipboard")

2、分类变量和等级变量因子化:

mydata$sex$sex,levels=c(0,1),                  labels=c("Female","Male")) mydata$work$work,levels=c(0,1),                   labels=c("Non-work","Work"))mydata$disease$disease,levels=c(0,1),                    labels=c("Health","Disease"))mydata$bmig$bmig,levels=c(1,2,3),                   labels=c("Normalweight","Overweight","obese"),ordered= TRUE)

查看数据集和变量：

summary(mydata)str(mydata)

3、缺失值的概况

sum(is.na(mydata))  #判断数据有多少缺失值mydata[!complete.cases(mydata),] #可用来识别矩阵或数据框中没有缺失值的行

图示法查看缺失值：

install.packages("VIM")library(VIM)aggr(mydata, prop = FALSE, numbers = TRUE)

 

4、缺失值的处理

方法一：直接删除有缺失值的行

newdata<-na.omit(mydata)

 方法二：使用均值、中位数或众数填充缺失值

install.packages("Hmisc")library(Hmisc)mydata$age$age,median)  mydata$bmi$bmi,mean)  mydata$sex$sex,names(which.max(table(mydata

方法三：K最近邻法

DMwR2包中的knnImputation函数基于欧氏距离找到K个与其最近的观测数值，然后对这K个近邻的数据利用距离逆加权得到插补的值，用该值代替数据中相应的缺失值。

install.packages("DMwR2")library(DMwR2)knndata 

无论是均数±标准差，还是中位数(四分位数间距)，还是频数(百分比)，几行命令出炉，不要太爽！ 文章中统计方法如何表述(干货收藏，附graphpad8.0下载) SCI论文都在用 P for trend，到底是何方神圣? ROC曲线下面积的两两比较 【ROC曲线】哪种诊断方法的准确性更好？ SPSS绘制ROC曲线 扫码关注，欢迎咨询极简统计课只给你最实用的统计方法