R基础（五）（数据预处理）

排序函数

rank函数

rank函数返回原数组中各元素排序的秩，就是说元素排第几，返回它的”名次“。

> rank(c(89,1,90,655,92))
[1] 2 1 3 5 4

order函数

虽然在一些情况下，两个函数的输入相同时，会有相同的输出值，但是order函数与rank函数还是有区别的。

> order(c(4,3,2,0.9,1,90))
[1] 4 5 3 2 1 6

针对上面的例子，输出结果中的第一个元素4表示排序之后，最小值是原数组index为4的元素（0.9），5表示第二位的值是原数组index为5的元素（1），3表示第三位的值是原数组index为3的元素（2）。

sort函数

sort函数python中也是有的，在python中是列表的方法。
在R中，sort函数是用来对向量vector或因子factor进行排序的，默认是从小到大进行排序。

> sort(c(4,3,2,0.9,1,90))
[1]  0.9  1.0  2.0  3.0  4.0 90.0

缺失值相关

#返回一个布尔向量，TRUE为缺失值
is.na()
#返回的向量中，TRUE为完整值
complete.cases()

判断缺失模式

install.packages("mice")
library("mice")
md.pattern()
#1代表没有缺失，0代表有缺失
#最后一行表示对应变量有缺失的样本数
#最后一列表示每行中有缺失值的变量的个数
#第一列代表每种缺失组合下观测值的个数

install.packages("VIM")
library("VIM")
aggr()
#缺失模式可视化
#第一个图中条的高度就是这个变量中缺失样本的比率
#第二个图与md.pattern结合来看，蓝色代表完整数据，红色是缺失数据
#每行代表一种缺失组合，最右端条形的宽度是这行缺失模式所占的样本比率

处理缺失值

#删除缺失值（行中有一个na，则删除整行）
na.omit()

#来填充缺失。m为默认插补数据集数量，5为默认值；meth为默认插补方式，PMM为默认方式预测均值匹配
imp = mice(data，m=5，meth=”PMM“)
#对数据集应用线性回归统计模型
with(imp, lm(变量1~变量2+变量3))