R语言 处理缺失值

R语言进行计算时，缺失值不会被直接剔除，包含缺失值的数值型数据，R语言不会去计算均值等相关统计量，于是迫切需要对缺失数据处理，在进行缺失数据处理的时候，通常分为两种情况：替代和删除。
首先，需要确定哪里含有缺失值！
一、查找缺失值
数据处理时需要判断是否存在缺失值。
语法结构如下：
is.na(数据集） #判断数据集每个值是否存在缺失值，返回false代表不缺失，True 表示缺失

is.na(variable) #判断某个变量variable是否存在缺失值

如果需要查看缺失值所在位置,使用下面语句
which(is.na(variable))
计算缺失值的数目
sum（is.na(variable）
进一步探索缺失数据若进行按行提取缺失值，操作如下：
variable2<-数据集[which(is.na(variable)==T),]
dim(variable2) #查看新变量几行几列
二、缺失值处理

1. 替代

语法结构：

数据集[is.na(数据集)<-替代值
# 将数据里的所有缺失值用某个值替代，实用性有点低

变量[is.na(变量）<-替代值
或者利用下面这种格式
impute(变量，替代值) #替代值可以是均值，中位数，特定值

2. 删除

语法结构：
na.rm=逻辑符 #此处常与其它命令一起使用例：
mean(variable,na.rm=TRUE) #忽略缺失值，默认是na.rm=FALSE,即不移除缺失值

na.omit(数据集）#删除所有缺失的行
na.omit(变量）#删除缺失数据