我有一个由不同数据类型组成的大型数据库(数字、字符、因子、序数型因子),其中包含缺失值。我尝试创建一个for循环,使用各列的平均值(如果是数字)或众数(如果是字符/因子)来替换缺失值。
以下是我目前的代码:
#fake array:
age<- c(5,8,10,12,NA)
a <- factor(c("aa", "bb", NA, "cc", "cc"))
b <- c("banana", "apple", "pear", "grape", NA)
df_test <- data.frame(age=age, a=a, b=b)
df_test$b <- as.character(df_test$b)
for (var in 1:ncol(df_test)) {
if (class(df_test[,var])=="numeric") {
df_test[is.na(df_test[,var]) <- mean(df_test[,var], na.rm = TRUE)
} else if (class(df_test[,var]=="character") {
Mode(df_test$var[is.na(df_test$var)], na.rm = TRUE)
}
}
其中'Mode'是函数:
Mode <- function (x, na.rm) {
xtab <- table(x)
xmode <- names(which(xtab == max(xtab)))
if (length(xmode) > 1)
xmode <- ">1 mode"
return(xmode)
}
看起来它只是忽略了这些语句,没有给出任何错误信息... 我也试着用索引来解决第一部分:
## create an index of missing values
index <- which(is.na(df_test)[,1], arr.ind = TRUE)
## calculate the row means and "duplicate" them to assign to appropriate cells
df_test[index] <- colMeans(df_test, na.rm = TRUE) [index["column",]]
但是我遇到了这个错误:“Error in colMeans(df_test, na.rm = TRUE) : 'x'必须是数字”
有人知道如何解决吗?
非常感谢所有的帮助! -f