R语言学习系列15缺失值处理方法VIP免费

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] NA mean(x,na.rm=TRUE) #忽略缺失值 [1] 2.75 x1<-x[!is.na(x)] #去掉向量中的NA 值 x1 [1] 1 2 3 5 x2<-na.omit(x) #返回去掉NA 值的向量 x2 [1] 1 2 3 5 attr(,"na.action") [1] 4 attr(,"class") [1] "omit" na.fail(x) #若向量有NA 值，则返回Error Error in na.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] 1 2 3 5 attr(na.omit(x),"na.action") #返回向量中NA 值的下标 [1] 4 attr(,"class") [1] "omit" x[is.na(x)]<-0 #将向量x 中的NA 值替换为0 x [1] 1 2 3 0 5 2 . 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] 16 algae1<-na.omit(algae) #直接删除所有含缺失值的样本 sum(!complete.cases(algae1)) [1] 0 #只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...