数据处理之缺失值处理

缺失值产生的原因：

1、有些信息暂时无法获取，或者获取信息的代价太大；

2、有些信息是被遗漏的。如认为不重要，忘记填写等人为因素，或数据采集设备故障，存储介质故障，传输媒体故障等非人为的因素；

3、属性值不存在。如未婚者的配偶姓名等。

4、对数据的缺失值处理之前，进行异常值分析。

 

缺失值的处理，大致分为三种情况：

1、删除法

分为两种：

（1）删除观测样本，na.omit()或data[-p,]

数据集为：

sub = which(is.na(data$sales)) #which函数返回符合条件的观测的所在位置

data1 = data[-sub,] 删除NA值所在行

若删除两个变量中，任意一个变量为0的记录，可用 或运算符“|”

delet_na = datafile[-which(is.na(datafile$SUM_YR_1)|is.na(datafile$SUM_YR_2)),]

若删除多个条件同时成立的记录，可用 乘号*

index= ((delet_na$SUM_YR_1 == 0 & delet_na$SUM