R语言：用R语言填补缺失的数据

缺少数据在分析数据集时可能不是一个微不足道的问题。

如果缺失数据的量相对于数据集的大小非常小，那么为了不偏离分析而忽略缺少特征的少数样本可能是最好的策略，但是留下可用的数据点会剥夺某些数据的特征。

尽管某些快速修正如均值替代在某些情况下可能很好，但这种简单的方法通常会向数据中引入偏差。

 

在这篇文章中，我们将使用airquality数据集（在R中提供）来推测缺失值。

为了本文的目的，我将从数据集中删除一些数据点。

 

快速分类缺失数据

有两种类型的缺失数据：

MCAR：随意丢失。

MNAR：不是随意丢失的。随机数据丢失是一个更严重的问题，在这种情况下，进一步检查数据收集过程并尝试理解信息丢失的原因可能是明智的。例如，如果调查中的大多数人没有回答某个问题，他们为什么这样做？这个问题不清楚吗？

假设数据是MCAR，太多丢失的数据也可能成为一个问题。

pMiss < -  function（x）{sum（is.na（x））/ length（x）* 100}

 

我们发现臭氧几乎失去了25％的数据点，因此我们可能会考虑将其从分析中删除或收集更多的测量数据。

 

其他变量低于5％的阈值，所以我们可以保留它们。就样本而言，仅缺少一个特征会导致每个样本缺失25