Day 8 缺失数据

为何会出现缺失数据？

1. 机器断电，设备故障导致某个测量值发生了丢失。
2. 测量根本没有发生，e.g.在做问卷调查时，有些问题没有回答，或者某些问题是无效的回答等。

缺失值NA——Not Available 存储缺失数据

≠0，不知道是多少值，可能是任何值（参考上一节cut（）函数配图）

> NA==0
[1] NA
> NA+1
[1] NA
************************************NA：无法计算的存在值√
> a <- c(NA,1:49)
> a
 [1] NA  1  2  3  4  5  6  7  8  9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26
[28] 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49
> sum(a)
[1] NA
> mean(a)
[1] NA

• NA.RM=TRUE 除去NA值进行计算（反之/默认——如上图：NA.RM=FALSE）–remove

> sum(a,na.rm=TRUE)
[1] 1225
> mean(a,na.rm=T)
[1] 25
--------------
> mean(1:49)        ***经验证得，NA.RM将NA值直接剔除，即个数减少 计算
[1] 25
> mean(1:50)
[1] 25.5

• IS.NA（） 逻辑验证是否为NA 值，是则返回TRUE，不是则返回FALSE

> a
 [1] NA  1  2  3  4  5  6  7  8  9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26
[28] 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49
> is.na(a)
 [1]  TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
[14] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
[27] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
[40] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE

R包的下载：在R 中下载——install.packages( )

> colSums(sleep)         **列之和**
 BodyWgt BrainWgt     NonD    Dream    Sleep     Span     Gest     Pred      Exp 
12324.98 17554.32       NA       NA       NA       NA       NA   178.00   150.00 
  Danger 
  162.00 
> rowSums(sleep)         **行之和**
 [1]       NA   77.700       NA       NA 7862.800  428.650   96.723  776.800  152.900
[10]  794.560  163.825 1221.800       NA       NA   66.575  129.200   79.685  163.000
[19]       NA       NA       NA  333.260   55.820       NA  778.400       NA   77.701
[28]  110.540 1578.800       NA       NA   53.445  117.060 1768.000       NA       NA
[37]   57.023   65.978   67.800  179.600       NA  207.980  349.000   75.420  542.800
[46]   95.400       NA   61.280  139.035  405.000  264.250  274.400       NA  424.100
[55]       NA       NA   99.600  239.600   89.504  327.790   67.200       NA

• NA.OMIT( ) 除去NA值

> c <- c(NA,1:20)
> d <- na.omit(c)
> d
 [1]  1  2  3  4  5  6  7  8  9 10 11 12 13 14 15 16 17 18 19 20
attr(,"na.action")
[1] 1
attr(,"class")
[1] "omit"
> is.na(d)
 [1] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
[14] FALSE FALSE FALSE FALSE FALSE FALSE FALSE
> sum(d)
[1] 210

对数据集——删除包含NA值的行→可能对结果产生较大影响

> length(rownames(sleep))                         **计算行数length（rownames/colnames）
[1] 62
> length(rownames(na.omit(sleep)))
[1] 42

其他缺失数据

1. NaN 表示不可能的值
2. lnf 无穷（正无穷lnf和负无穷lnf）

> 1/0
[1] Inf
> -1/0
[1] -Inf
> 0/0
[1] NaN

缺失数据之间的差别

1. NA 是存在的值，但是不知道是多少
2. NaN 是不存在的
3. lnf存在，是无穷大/小，但是表示不可能的值

> is.nan(0/0)
[1] TRUE
> is.infinite(1/0)
[1] TRUE