R语言缺失值判断与处理-2

R语言-缺失值判断以及处理
上次说了关于某个固定值，异常值，缺失值等的固定位置，今天详细说下如果数据列中出现缺失值，该如何处理。
向量组中的不说了，一般实践都是数据框。

1.数据框缺失值判断

数据框类型判断缺失值is.na、缺失值的填补which、缺失值所在行的删除na.omit
1.数据列
2.判断is.na()
3.对应行列位置which(arr.ind = T)
4.删除na.omit
5.统计缺失值数量sum,mean,table
6.计算忽略（平均值，求和，sd，se等等）na.rm=TRUE

#1
> (test<-data.frame(x=c(1,2,3,4,NA),y=c(6,7,NA,8,9)))x  y
1  1  6
2  2  7
3  3 NA
4  4  8
5 NA  9
#2
> is.na(test)  #test中空值的判断x     y
[1,] FALSE FALSE
[2,] FALSE FALSE
[3,] FALSE  TRUE
[4,] FALSE FALSE
[5,]  TRUE FALSE
#3
> which(is.na(test),arr.ind = T)  #arr.ind=T可以返回缺失值的相应行列坐标row col
[1,]   5   1
[2,]   3   2
#4
> (test_omit<-na.omit(test))  #na.omit函数可以直接删除值所在的行x y
1 1 6
2 2 7
4 4 8
#5
> sum(test$x)
[1] NA
> sum(test$x, na.rm = TRUE)
[1] 10
#6 统计缺失值个数
> table(is.na(test))
FALSE  TRUE 8     2
> sum(is.na(test))
[1] 2
> mean(is.na(test))
[1] 0.2

2.缺失值插补—回归模型

1.判断位置
2.新学一个代码dput
3.非空值数据集，空值数据集
4.回归建模
5.赋值拟合数据值

#1
index1<-is.na(airquality$Ozone);index1 #对Ozone变量进行缺失值处理[1] FALSE FALSE FALSE FALSE  TRUE FALSE FALSE FALSE FALSE  TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE[19] FALSE FALSE FALSE FALSE FALSE FALSE  TRUE  TRUE  TRUE FALSE FALSE FALSE FALSE  TRUE  TRUE  TRUE  TRUE  TRUE##2
> aa <- dput(colnames(airquality));aa #求出变量列名称
c("Ozone", "Solar.R", "Wind", "Temp", "Month", "Day")#3
> Ozone_train<-airquality[!index1,c("Ozone", "Wind", "Temp", "Month", "Day")] #训练集，非空值
> Ozone_trainOzone Wind Temp Month Day
1      41  7.4   67     5   1
2      36  8.0   72     5   2
3      12 12.6   74     5   3
> Ozone_test<-airquality[index1,c("Ozone", "Wind", "Temp", "Month", "Day")] #测试集，空值
> Ozone_testOzone Wind Temp Month Day
5      NA 14.3   56     5   5
10     NA  8.6   69     5  10
25     NA 16.6   57     5  25
26     NA 14.9   58     5  26#4
> fit<-lm(Ozone~.,data = Ozone_train) #建立线性回归模型
> summary(fit)Call:
lm(formula = Ozone ~ ., data = Ozone_train)Residuals:Min      1Q  Median      3Q     Max
-42.540 -12.582  -2.989  10.460  99.807 Coefficients:Estimate Std. Error t value Pr(>|t|)
(Intercept) -70.1051    23.7929  -2.946  0.00392 **
Wind         -3.0516     0.6499  -4.696 7.65e-06 ***
Temp          2.0984     0.2653   7.909 2.10e-12 ***
Month        -3.5209     1.4932  -2.358  0.02012 *
Day           0.2747     0.2297   1.196  0.23434
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1Residual standard error: 21.41 on 111 degrees of freedom
Multiple R-squared:  0.5934,    Adjusted R-squared:  0.5788
F-statistic: 40.51 on 4 and 111 DF,  p-value: < 2.2e-16#5
airquality[index1,"Ozone"]<-predict(fit,newdata =Ozone_test )

看完如果对你有帮助，感谢点赞支持！
如果你是电脑端，看到右下角的 “一键三连” 了吗，没错点它[哈哈]

R语言缺失值判断与处理-2相关推荐

R语言缺失值替换：缺失的值(NA)替换每个分组最近的非缺失值
R语言缺失值替换:缺失的值(NA)替换每个分组最近的非缺失值目录 R语言缺失值替换:缺失的值(NA)替换每个分组最近的非缺失值
R语言缺失值：is.na函数查看数据对象中是否包含缺失值NA、特定数据编码为编码为缺失值NA、na.rm=TRUE参数获得有效的计算结果、complete.cases函数筛选数据、na.omit函数
R语言缺失值:is.na函数查看数据对象中是否包含缺失值NA.特定数据编码为编码为缺失值NA.na.rm=TRUE参数获得有效的计算结果.complete.cases函数筛选数据.na.omit函数 ...
R语言条件判断语句编程：使用if/else语句实现条件逻辑判断、使用all函数判断向量中的值是否全部都满足条件
R语言条件判断语句编程:使用if/else语句实现条件逻辑判断.使用all函数判断向量中的值是否全部都满足条件目录
R语言条件判断语句编程：使用嵌套（一串）if/else语句实现条件逻辑判断、并对指定变量进行条件赋值
R语言条件判断语句编程:使用嵌套(一串)if/else语句实现条件逻辑判断.并对指定变量进行条件赋值目录
R语言缺失值插补之simputation包
获取更多R语言和生信知识,请欢迎关注公众号:医学和生信笔记医学和生信笔记公众号主要分享:1.医学小知识.肛肠科小知识:2.R语言和Python相关的数据分析.可视化.机器学习等:3.生物信息学学习 ...
r语言查找是否存在空值_R语言-缺失值判断以及处理
#####缺失值判断以及处理##### #举例1:向量类型判断缺失值is.na和缺失值的填补which (x is.na(x) #返回一个逻辑向量,TRUE为缺失值,FALSE为非缺失值 table ...
R语言中判断是否是整数。以及读写excel
今天接手一个重复性工作, 需要手工把产品运营们在excel里写的活动规则, 插入数据库表中.为了减少出错, 提高效率. 再加上最近刚刚学R语言, 就用R练练手, 自动生成mysql的sql语句. 一次 ...
R语言︱缺失值处理之多重插补——mice包
每每以为攀得众山小,可.每每又切实来到起点,大牛们,缓缓脚步来俺笔记葩分享一下吧,please~ --------------------------- 笔者寄语:缺失值是数据清洗过程中非常重要的问题 ...
r语言中判断属于回纹元素_R语言中的回归诊断-- car包
如何判断我们的线性回归模型是正确的? 1.回归诊断的基本方法 opar fit par(mfrow = c(2, 2)) plot(fit) par(opar) 为理解这些图形,我们来回顾一下OLS回 ...

R语言缺失值判断与处理-2

1.数据框缺失值判断

2.缺失值插补—回归模型

R语言缺失值判断与处理-2相关推荐

最新文章

热门文章