本文主要介紹VIM和mice包，使用數(shù)據(jù)集為VIM包提供的哺乳動(dòng)物睡眠數(shù)據(jù)sleep，主要研究62種哺乳動(dòng)物的睡眠、生態(tài)學(xué)變量和體質(zhì)變量間的關(guān)系。
睡眠變量包含睡眠中做夢(mèng)時(shí)（Dream）、不做夢(mèng)的時(shí)長(zhǎng)（NonD）以及它們的和（Sleep）。體質(zhì)變量包含體重（BodyWgt，單位為千克）、腦重（BrainWgt，單位為克）、壽命（Span，單位為年）和妊娠期（Gest，單位為天）。生態(tài)學(xué)變量包含物種被捕食的程度（Pred）、睡眠時(shí)暴露的程度（Exp）和面臨的總危險(xiǎn)度（Danger）。生態(tài)學(xué)變量以從1（低）到5（高）的5分制進(jìn)行測(cè)量。

1 處理缺失值的步驟

一個(gè)完整的處理方法通常包含以下幾個(gè)步驟：
(1) 識(shí)別缺失數(shù)據(jù)；
(2) 檢查導(dǎo)致數(shù)據(jù)缺失的原因；
(3) 刪除包含缺失值的實(shí)例或用合理的數(shù)值代替（插補(bǔ)）缺失值。
缺失數(shù)據(jù)的分類：完全隨機(jī)缺失（MCAR）、隨機(jī)缺失（MAR）、非隨機(jī)缺失（NMAR）

2 識(shí)別缺失值

NA(不可得)代表缺失值，NaN(不是一個(gè)數(shù))代表不可能的值。符合Inf和-Inf分別代表正無窮和負(fù)無窮。識(shí)別函數(shù)分別為is.na、is.nan()、is.infinite()。
VIM包函數(shù)中complete.cases()可用來識(shí)別矩陣或數(shù)據(jù)框中沒有缺失值的行。若每行都包含完整的實(shí)例，則返回TRUE的邏輯向量；若每行有一個(gè)或多個(gè)缺失值，則返回FALSE。
由于邏輯值TRUE和FALSE分別等價(jià)于數(shù)值1和0，可用sum()和mean()函數(shù)來獲取關(guān)于缺失數(shù)據(jù)的有用信息。
注：complete.cases()函數(shù)僅將NA和NaN識(shí)別為缺失值，無窮值（Inf和-Inf）被當(dāng)做有效值。

3 探索缺失值模式

在決定如何處理缺失數(shù)據(jù)前，了解哪些變量有缺失值、數(shù)目有多少、是什么組合形式等信息非常有用。

1 列表顯示缺失值

mice包中的md.pattern()函數(shù)可生成一個(gè)以矩陣或數(shù)據(jù)框形式展示缺失值模式的表格。例：

library(VIM) library(mice) data(sleep,package = "VIM") md.pattern(sleep)

表中1和0顯示了缺失值模式，0表示變量的列中有缺失值，1則表示沒有缺失值。第一列表示各缺失值模式的實(shí)例個(gè)數(shù)，最后一列表示各模式中有缺失值的變量的個(gè)數(shù)。此處可以看到，有42個(gè)實(shí)例沒有缺失值，僅2個(gè)實(shí)例缺失了Span。數(shù)據(jù)集包含了總共 38個(gè)缺失值。最后一行給出了每個(gè)變量中缺失值的數(shù)目。

2 圖形探究缺失數(shù)據(jù)

VIM包提供了大量能可視化數(shù)據(jù)集中缺失值模式的函數(shù)，本節(jié)主要介紹其中幾個(gè)：aggr()、matrixplot()和scattMiss()。
aggr()函數(shù)不僅繪制每個(gè)變量的缺失值數(shù)，還繪制每個(gè)變量組合的缺失值數(shù)。
matrixplot()函數(shù)可生成展示每個(gè)實(shí)例數(shù)據(jù)的圖形。
marginplot()函數(shù)可生成一幅散點(diǎn)圖，在圖形邊界展示兩個(gè)變量的缺失值信息。

3 用相關(guān)性探索缺失值

指示變量替代數(shù)據(jù)集中的數(shù)據(jù)（1表示缺失，0表示存在），這樣生成的矩陣有時(shí)稱作影子矩陣。求這些指示變量間和它們與初始（可觀測(cè)）變量間的相關(guān)性，有助于觀察哪些變量常一起缺失，以及分析變量“缺失”與其他變量間的關(guān)系。

#以sleep數(shù)據(jù)集為例 x<-as.data.frame(abs(is.na(sleep))) #此時(shí)x為影子矩陣 y<-x[which(sd(x)>0)]#可提取含（但不全部是）缺失值的變量 cor(y)#可看出哪些變量常一起缺失 #缺失值變量與其他可觀察變量間的關(guān)系 cor(sleep,y,use="pairwise.complete.obs")

4 理解缺失數(shù)據(jù)的來由和影響

識(shí)別缺失數(shù)據(jù)的數(shù)目、分布和模式有兩個(gè)目的：
(1)分析生成缺失數(shù)據(jù)的潛在機(jī)制；
(2)評(píng)價(jià)缺失數(shù)據(jù)對(duì)回答實(shí)質(zhì)性問題的影響。

5 理性處理不完整數(shù)據(jù)

推理方法會(huì)根據(jù)變量間的數(shù)學(xué)或者邏輯關(guān)系來填補(bǔ)或恢復(fù)缺失值。
例：在sleep數(shù)據(jù)集中，變量Sleep是Dream和NonD變量的和。若知道了它們中任意兩個(gè)動(dòng)物的得分，你便可以推導(dǎo)出第三個(gè)。

6 完整實(shí)例分析（行刪除）

在完整實(shí)例分析中，只有每個(gè)變量都包含了有效數(shù)據(jù)值的觀測(cè)才會(huì)保留下來做進(jìn)一步的分析。實(shí)際上，這樣會(huì)導(dǎo)致包含一個(gè)或多個(gè)缺失值的任意一行都會(huì)被刪除，因此常稱作行刪除（listwise）、個(gè)案刪除（case-wise）或剔除。

#方法1 newdata<-mydata[complete.cases(mydata),] #方法2 newdata<-na.omit(mydata)

7 多重插補(bǔ)

多重插補(bǔ)（MI）是一種基于重復(fù)模擬的處理缺失值的方法。R可利用Amelia、mice和mi包來執(zhí)行插補(bǔ)。下面介紹mice包（利用鏈?zhǔn)椒匠痰亩噙h(yuǎn)插補(bǔ)）提供的方法，步驟為：
(1)函數(shù)mice()首先從一個(gè)包含缺失數(shù)據(jù)的數(shù)據(jù)框開始，然后返回一個(gè)包含多個(gè)（默認(rèn)為5個(gè)）完整數(shù)據(jù)集的對(duì)象。每個(gè)完整數(shù)據(jù)集都是通過對(duì)原始數(shù)據(jù)框中的缺失數(shù)據(jù)進(jìn)行插補(bǔ)而生成的。
(2)with()函數(shù)可依次對(duì)每個(gè)完整數(shù)據(jù)集應(yīng)用統(tǒng)計(jì)模型（如線性模型或廣義線性模型）
(3)pool()函數(shù)將這些單獨(dú)的分析結(jié)果整合為一組結(jié)果

#常用分析過程 library(mice) imp<-mice(mydata,m) fit<-with(imp,analysis) pooled<-pool(fit) summary(pooled)

8 處理缺失值的其他方法

(1)成對(duì)刪除。觀測(cè)只是當(dāng)它含缺失數(shù)據(jù)的變量涉及某個(gè)特定分析時(shí)才會(huì)被刪除。
(2)簡(jiǎn)單（非隨機(jī)）插補(bǔ)。用某個(gè)值（如均值、中位數(shù)或眾數(shù)）來替換變量中的缺失值。

總結(jié)

以上是生活随笔為你收集整理的缺失值的处理——R语言的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。