资源描述：
《r语言学习系列15-缺失值处理方法》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。
1、15.缺失值处理方法目录：一.直接删除法二.用均值/中位数/众数填补三.探索变量的相关性插补四.探索样本的相似性填补五.分类树与回归树预测法插补（rpart包）六.多重插补法（mice包）正文：一、直接删除法即直接删除含有缺失值的样本，有时最为简单有效，但前提是缺失数据的比例较少，且缺失数据是随机出现的，这样删除缺失数据后对分析结果影响不大。1.向量删除缺失值x<-c(1,2,3,NA,5)mean(x)#默认不忽略NA值或NaN值，注意与NULL的区别[1]NAmean(x,na.rm=TRUE)#忽略
2、缺失值[1]2.75x1<-x[!is.na(x)]#去掉向量中的NA值x1[1]1235x2<-na.omit(x)#返回去掉NA值的向量x2[1]1235attr(,"na.action")[1]4attr(,"class")[1]"omit"na.fail(x)#若向量有NA值，则返回ErrorErrorinna.fail.default(x):对象里有遺漏值na.fail(x1)#若向量不含NA值，则返回该向量[1]1235attr(na.omit(x),"na.action")#返回向量中NA值
3、的下标[1]4attr(,"class")[1]"omit"x[is.na(x)]<-0#将向量x中的NA值替换为0x[1]123052.删除含缺失值的样本数据用DMwR包实现。library(DMwR)#用自带数据集algae，18个变量，200个观测值library(VIM)sum(!complete.cases(algae))#查看含有缺失值的样本个数[1]16algae1<-na.omit(algae)#直接删除所有含缺失值的样本sum(!complete.cases(algae1))[1]0#只
4、删除缺失值过多的样本：缺失值个数大于列数的20%algae2<-algae[-manyNAs(algae,0.2),]#数据框的“删除行”操作sum(!complete.cases(algae2))[1]14其中，函数manyNAs(x,nORp)用来查找数据框x中缺失值过多（≥缺失比例nORp）的行；nORp默认为0.2，即缺失值个数≥列数的20%注：当删除缺失数据会改变数据结构时，通过对完整数据按照不同的权重进行加权，可以降低删除缺失数据带来的偏差。3.删除变量若数据的某变量（列）有较多的缺失值且对研
5、究目标影响不大时，可以将整列删除，这需要在变量的重要性和观测的数量之间做权衡。4.做统计分析时排除缺失值例如，做线性回归时，设置na.action=na.omit即可：lm(medv~ptratio+rad,data=BostonHousing,na.action=na.omit)二、用均值/中位数/众数填补其优点在于不会减少样本信息，处理简单；其缺点在于当缺失数据不是随机出现时会产成偏误。若某自变量对因变量的影响比较小，那么这种粗略的估计是可以接受的，且有可能会产生令人满意的结果。使用mlbench包中
6、的BostonHousing数据集作为演示数据。由于BostonHousing数据集没有缺失值，为了演示需要，在数据集中随机插入缺失值。通过这种方法，不仅可以评估由数据缺失带来的精度损失，也可以比较不同处理方式的效果好坏。#初始化数据集library(mlbench)data("BostonHousing",package="mlbench")treated<-BostonHousing#14个变量，506个观测值#填充缺失值(随机替换两个变量各40个NA)set.seed(100)treated[sam
7、ple(1:nrow(treated),40),"rad"]<-NAtreated[sample(1:nrow(treated),40),"ptratio"]<-NA#查看缺失状况sum(!complete.cases(treated))#查看缺失值数目[1]75library(mice)md.pattern(treated)#查看缺失模式crimzninduschasnoxrmagedistaxblstatmedvradptratio43111111111111111035111111111111011
8、351111111111111015111111111111002000000000000404080用均值/中位数/众数填补的代码实现：library(Hmisc)treated$ptratio=impute(treated$ptratio,mean)#插补均值treated$ptratio=impute(treated$ptratio,median)#插补中位数treated$ptratio=impute(treated$
