这期内容当中小编将会给大家带来有关如何理解R语言中的缺失值,文章内容丰富且以专业的角度为大家分析和叙述,阅读完这篇文章希望大家可以有所收获。
大部分统计方法都假定处理的是完整向量,矩阵,数据框,但是在大多数情况下,在处理真实数据之前不得不消除缺失值数据:(1)删除含有缺失值的实例;(2)用合理的值替代缺失值。缺失值的处理主要用VIM和老鼠函数
VIM包提供哺乳动物数据(睡眠),研究62种动物的睡眠,生物学变量和体质变量是自变量或预测变量。
睡眠变量包含睡眠中做梦时长(梦),不做梦的时长(NonD)以及它们的和(睡眠)。体质变量包括体重(BodyWgt,单位为千),脑重(BrainWgt,单位为),寿命(跨度,单位为年)和妊娠期(武功,单位为天)。生物学变量包含物种被捕食的程度(Pred),睡眠时暴露的程度,(Exp)和面临的总危险程度(危险)
处理缺失值的方法:
R语言中使用钠代表缺失值,南(不是一个数)代表不可能的值,符号Inf和无穷代表正无穷和负无穷,函数is.na, is.nan()和is.infinite()分别识别缺失值,不可能值和无穷值,返回结果是真或假
比;install.packages (c (“VIM",“mice"))
比;数据(睡眠、包=癡IM")
比;睡眠(complete.cases(睡眠),]#列出没有缺失值的行
此处省略一万字.......
祝辞睡眠(complete.cases(睡眠)]
BodyWgt BrainWgt NonD梦睡眠跨度武功Pred Exp危险
1, 6654.000,5712.0,NA,NA大敌;3.3 - 38.6,645,,35,,,3
3,,3.385,,44.5,NA,NA大敌;12.5 - 14.0,60,,11,,,1
4,,0.920,,,5.7NA,16.5,NA,NA,25,,52,,,3
13,,0.550,,2.4,7.6,2.7,10.3,NA,NA,,21,,,2
14, 187.100,,419.0NA,NA大敌;3.1 - 40.0,365,,55,,,5
19,,1.410,17.5,4.8,1.3,6.1 - 34.0,NA,,12,,,1
20,60.000,,81.0 - 12.0,6.1,18.1,7.0,NA,,11,,,1 21,
529.000,,680.0NA,0.3,400年,NA 28.0,,55,,,5
24, 207.000,,406.0NA,NA大敌;12.0 - 39.3,252,,14,,1,
26,36.330,,119.5NA,NA大敌;13.0 - 16.2,63年,,11,,,1
30, 100.000,,157.0NA,NA大敌;10.8 - 22.4,100,,11,,1,
31,35.000,,56.0,NA,NA大敌;NA 16.3大敌;33,,35,,,4
35,,0.122,,3.0,8.2,2.4,10.6,NA,30,,21,,1,
36,,1.350,,8.1,8.4,2.8,11.2,NA,45,,31,,,3
41, 250.000,,490.0NA,1.0,440年,NA 23.6,,55,,,5
47,,4.288,39.2,NA,NA大敌;12.5 - 13.7,63年,,22,,2,
53,14.830,,98.2,NA,NA大敌;2.6 - 17.0,150,,55,,,5
55,,1.400,12.5,NA,NA大敌;11.0 - 12.7,90年,,22,,2,
56,,0.060,,1.0,8.1,2.2,10.3,3.5,NA,,31,,2,
62年,,4.050,17.0,NA,NA大敌;NA 13.0大敌;38,,31,,,1
比;sum (is.na(睡眠的梦)美元)#表明变量梦想有12个缺失值
[1] 12
比;意味着(is.na(睡眠的梦)美元)#表19%比例在此变量上有缺失值[1]0.1935484
比;意味着(! complete.cases(睡眠))#数据集中32%实例有一个或多个缺失值
[1]
0.3225806,对于缺失值,必须牢记complete.cases()函数仅NA和南缺失值识别,Inf和无穷无穷值呗当作有效值;必须使用缺失值函数来识别数据对象中缺失值,比如mydata=https://www.yisu.com/zixun/=NA的逻辑是无法实现的。
上述就是小编为大家分享的如何理解R语言中的缺失值了,如果刚好有类似的疑惑,不妨参照上述分析进行理解。如果想知道更多相关知识,欢迎关注行业资讯频道。
