熱線電話：13121318867

登錄
首頁大數據時代數據分析中R語言缺失值的判斷和處理方法有哪些？
數據分析中R語言缺失值的判斷和處理方法有哪些？
2020-07-17
收藏

R語言是一種用來進行數據分析、繪圖的解釋型語言。而我們在數據分析過程中會遇到許多缺失值，我們必須對這些缺失值進行處理，才能更好地進行下一步工作。今天小編跟大家分享R語言缺失值的判別和處理方法，希望對大家研究和學習R語言有幫助。

一、R語言中的缺失值NA

在R語言中通常用NA來表示缺失值，NA表示數據集中，該數據遺失、不存在。在針對具有NA的數據集進行函數操作的時候，不會直接剔除這個NA。

二、R語言識別缺失值

NA：代表缺失值;

NaN：代表不可能的值;

Inf：代表正無窮;

-Inf：代表負無窮。

is.na()：識別缺失值;

is.nan()：識別不可能值;

is.infinite()：無窮值。

is.na()、is.nan()和is.infinte()函數的返回值示例

列表顯示缺失值：

> library(mice)

> data(sleep,package="VIM")

> md.pattern(sleep)

三、R語言探索缺失值模式

在R語言中是利用mice包中的md.pattern函數來探索缺失值模式的。

library(mice)

md.pattern(sleep)

通過上圖，我們可以看出：左邊圖能夠顯示出每個變量中含缺失值得個數，右邊圖能夠顯示出變量組合的缺失值個數

四、R語言缺失值處理

1.如果缺失數據較少時，可以直接刪除相應樣本

刪除缺失數據樣本的前提為：缺失數據的比例較少，并且缺失數據是隨機出現的，這種情況下，刪除缺失數據之后對于分析結果的影響不是很大。

2.對缺失數據進行插補

(1)如果滿足正態分布，用平均值進行填補;

(2)如果偏態分布或者離群值的分，布用中位數進行填補。

注意：均值或中位數來代替缺失值，其優點在于不會減少樣本信息，處理簡單。但是缺點在于當缺失數據不是隨機出現時會產成偏誤。

(3)多重插補是通過變量間關系來預測缺失數據，利用蒙特卡羅方法生成多個完整數據集，再對這些數據集分別進行分析，最后對這些分析結果進行匯總處理。能夠用mice包實現。

3.利用對缺失數據不敏感決策樹等分析方法


CDA數據分析師考試相關入口一覽（建議收藏）：

? 想報名CDA認證考試，點擊>>>   “CDA報名” 了解CDA考試詳情；

? 想學習CDA考試教材，點擊>>> “CDA教材” 了解CDA考試詳情；

? 想加入CDA考試題庫，點擊>>> “CDA題庫” 了解CDA考試詳情；

? 想了解CDA考試含金量，點擊>>> “CDA含金量” 了解CDA考試詳情；

R語言 數據分析 正態分布 決策樹 缺失值處理

數據分析咨詢請掃描二維碼

若不方便掃碼，搜微信號：CDAshujufenxi

上一篇數據處理中，偏態數據如何正態化？
下一篇學了python之后，美化二維碼如此簡單
數據分析師考試動態
CDA報考指南
數據分析學習
數據分析師資訊
更多

CDA教育閉環

常見問題

關于我們

CDA數據分析師公眾號

  • CDA數據分析師公眾號

CDA考試中心小程序

  • CDA考試中心服務號

CDA數據分析師App下載

  • CDA數據分析師App下載
Copyright © 2015-2021, www.ruiqisteel.com All Rights Reserved. CDA數據分析師(北京國富如荷網絡科技有限公司) 版權所有 京ICP備11001960號-9 京公網安備 11010802034615號 經營許可證編號：京B2-20210330
聯系電話：13321103290 (微信同號)

OK
客服在線
立即咨詢
日韩人妻系列无码专区视频,先锋高清无码,无码免费视欧非,国精产品一区一区三区无码
客服在線
立即咨詢