【数据分析入门】R语言数据缺失处理

本文探讨了数据缺失值的处理方法,包括NA的含义、缺失值对统计计算的影响,以及如何使用R语言进行处理。通过`na.omit()`删除含有NA的行,使用`sum(na.rm=TRUE)`在统计时排除NA,以及利用`Hmisc`库进行单个插补和`Mice`库进行多重插补来填补缺失数据。
摘要由CSDN通过智能技术生成

一、数据缺失值

NA代表缺失值,NA代表不可用,用来存储缺失信息

二、缺失值造成的后果

x<-c(NA,1:5)
sum(x)

在这里插入图片描述

三、统计函数处理缺失值

x<-c(NA,1:5)
sum(x,na.rm=TRUE)

四、删除数据集中的缺失值

1.删除包含na的行

?na.omit()
c<-c(NA,1:20,NA,NA)
d<-na.omit(c)
is.na(d)
sum(d)

五、插补数据集中的缺失值

单个插补

library(Hmisc)

多重插补

library(Mi)
library(Mice)
library(amelia)
library(mitools)
  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值