在R中的填补缺失值问题

Question

我是R编程语言的新手。我想知道是否有办法填充我们数据集中仅有一个列的空值。因为我看到的所有填充命令和库都会填充整个数据集中的空值。

- Mehrdad Rohani

---

这是一个非常广泛的问题，您需要提供一些示例数据以及您已经尝试过的内容（例如您考虑过的所有填补缺失值的命令和包）。请提供更具体的信息。 - mnel

Answer 1

这里是使用Hmisc包和impute的示例。

library(Hmisc)
DF <- data.frame(age = c(10, 20, NA, 40), sex = c('male','female'))

# impute with mean value

DF$imputed_age <- with(DF, impute(age, mean))

# impute with random value
DF$imputed_age2 <- with(DF, impute(age, 'random'))

# impute with the media
with(DF, impute(age, median))
# impute with the minimum
with(DF, impute(age, min))

# impute with the maximum
with(DF, impute(age, max))


# and if you are sufficiently foolish
# impute with number 7 
with(DF, impute(age, 7))

 # impute with letter 'a'
with(DF, impute(age, 'a'))

请查看?impute，以了解如何实现填补缺失值的具体细节。

- mnel

---

抱歉，你知道有没有其他的填充方法，不是用平均值和随机值来填充的吗？ - Mehrdad Rohani

如果您更新问题以反映您想要的和尝试过的内容...... - mnel

此外，如果你已经阅读了impute的帮助文件（就像我建议的那样！），你会发现可以传递一个函数来执行填充。 - mnel

Answer 2

为什么不使用更复杂的插补算法，例如mice（Multiple Imputation by Chained Equations）？以下是R中的代码片段，您可以根据自己的情况进行调整。

library(mice)

#get the nhanes dataset
dat <- mice::nhanes

#impute it with mice
imp <- mice(mice::nhanes, m = 3, print=F)

imputed_dataset_1<-complete(imp,1)

head(imputed_dataset_1)

#     age  bmi hyp chl
# 1   1   22.5   1 118
# 2   2   22.7   1 187
# 3   1   30.1   1 187
# 4   3   24.9   1 186
# 5   1   20.4   1 113
# 6   3   20.4   1 184

#Now, let's see what methods have been used to impute each column
meth<-imp$method
#  age   bmi   hyp   chl
#"" "pmm" "pmm" "pmm"

#The age column is complete, so, it won't be imputed
# Columns bmi, hyp and chl are going to be imputed with pmm (predictive mean matching)

#Let's say that we want to impute only the "hyp" column
#So, we set the methods for the bmi and chl column to ""
meth[c(2,4)]<-""
#age   bmi   hyp   chl 
#""    "" "pmm"    "" 

#Let's run the mice imputation again, this time setting the methods parameter to our modified method
imp <- mice(mice::nhanes, m = 3, print=F, method = meth)

partly_imputed_dataset_1 <- complete(imp, 3)

head(partly_imputed_dataset_1)

#    age  bmi hyp chl
# 1   1   NA   1  NA
# 2   2 22.7   1 187
# 3   1   NA   1 187
# 4   3   NA   2  NA
# 5   1 20.4   1 113
# 6   3   NA   2 184

- Ahmadov

Answer 3

有许多可以为您完成此操作的软件包。 （提供更多关于数据的信息可以帮助建议最佳选项）

一个例子是使用VIM软件包。

它有一个名为kNN（k最近邻插补）的函数， 此函数具有一个variable选项，您可以在其中指定要插补的变量。

以下是一个示例：

library("VIM")
kNN(sleep, variable = c("NonD","Gest"))

我在这个例子中使用的睡眠数据集是随VIM一起提供的。

如果您要填充列中存在一些时间依赖关系，则使用时间序列插补包可能也是有意义的。在这种情况下，您可以使用例如imputeTS包。 以下是一个示例：

  library(imputeTS)
  na_kalman(tsAirgap)

这里使用的 tsAirgap 数据集是 imputeTS 中的一个示例数据集。

- Steffen Moritz