R语言：处理缺失值
前言
实际工作中，数据集很少是完整的，许多情况下样本中都会包括若干缺失值NA，这在进行数据分析和挖掘时比较麻烦。
缺失值是数据中经常出现的问题，也是任何数据集中都可能出现的问题，无回答、录入错误等调查中常会出现的现象都会导致缺失数据。缺失值通常会用一些特殊符号进行标记，比如9999、1990年1月1日，或者是“*”、“？”、“#”、“$”等符号。
对于缺失数据通常有三种应付手段：
（1）当缺失数据较少时直接删除相应样本
删除缺失数据样本，其前提是缺失数据的比例较少，而且缺失数据是随机出现的，这样删除缺失数据后对分析结果影响不大。
（2）对缺失数据进行插补
用变量均值或中位数来代替缺失值，其优点在于不会减少样本信息，处理简单。但是缺点在于当缺失数据不是随机出现时会产成偏误。
多重插补法（Multiple imputation）：多重插补是通过变量间关系来预测缺失数据，利用蒙特卡罗方法生成多个完整数据集，再对这些数据集分别进行分析，最后对这些分析结果进行汇总处理。可以用mice包实现。
（3）使用对缺失数据不敏感的分析方法，例如决策树。
基本上缺失数据处理的流程是首先判断其模式是否随机，然后找出缺失的原因，最后对缺失值进行处理。
目录
1. 缺失值与数值比较
2. 缺失值检测
3. 函数中忽略缺失值
4. 向量中的删除缺失值
5. na.fail和na.omit函数处理缺失值
小结：常用示例
1. 缺失值与数值比较
有时，你的数据中会包含一些缺失值，NULL, NA, 或者 NaN。它们与正常值不同，可能需要检测缺失值是否存在。
x <- NULL x > 5 # logical(0) y <- NA y > 5 # NA z <- NaN z > 5 # NA
2. 缺失值检测
缺失值检测：
is.null(x) # TRUE is.na(y) # TRUE is.nan(z) # TRUE
注意NULL不同于其它两个。NULL是没有值，即空。而NA和NaN是有值的，尽管这些值是无用的。下面一个例子凸显了它们的差别：
# Is y null? is.null(y) # FALSE # Is x NA? is.na(x) # logical(0) # Warning message: # In is.na(x) : is.na() applied to non-(list or vector) of type 'NULL'
第一个例子是检测y是否为NULL，结果是否定的。第二个例子是尝试检测x是否为NA，但是x没有值能够被检测。
注意：无限数值用Inf（正无穷）和-Inf（负无穷）表示，相应的检测函数为is.finite()和is.infinite()。
3. 函数中忽略缺失值
如果你对一个包含NA或NaN的向量使用诸如mean()或sum()这样的汇总函数时，将返回NA或NaN，尽管它将会提醒你有缺失值存在，但通常是无用的。所以，需要使用na.rm这样的函数来标记，告诉它们忽略缺失值。
vy <- c(1, 2, 3, NA, 5) # 1 2 3 NA 5 mean(vy) # NA mean(vy, na.rm=TRUE) # 2.75 vz <- c(1, 2, 3, NaN, 5) # 1 2 3 NaN 5 sum(vz) # NaN sum(vz, na.rm=TRUE) # 11 # NULL不存在问题，因为它里面根本不存在值 vx <- c(1, 2, 3, NULL, 5) # 1 2 3 5 sum(vx) # 11
4. 向量中的删除缺失值
使用is.na()或is.nan()过滤来删除向量中的缺失值。
vy # 1 2 3 NA 5 vy[ !is.na(vy) ] # 1 2 3 5 vz # 1 2 3 NaN 5 vz[ !is.nan(vz) ] # 1 2 3 5
5. na.fail()和na.omit()函数处理缺失值
R语言通过na.fail和na.omit函数可以很好地处理样本中的缺失值。这两个函数的说明如下所示。
| 函 数 | 说 明 |
| na.fail | na.fail（） | 如果向量a内包括至少1个NA，则返回错误；如果不包括任何NA，则返回原有向量a |
| na.omit | na.omit（） | 返回删除NA后的向量a |
| attr（na.omit（）,"na.action"） | 返回向量a中元素为NA的下标 |
下面来看如下相关示例：
> data <- c(1,2,NA,2,4,2,10,NA,9) > data [1] 1 2 NA 2 4 2 10 NA 9 > data.na.fail <- na.fail(data) Error in na.fail.default(data) : 对象里有遺漏值 > data.na.fail Error: object 'data.na.fail' not found > data.na.omit <- na.omit(data) > data.na.omit [1] 1 2 2 4 2 10 9 attr(,"na.action") [1] 3 8 attr(,"class") [1] "omit" > attr(data.na.omit,"na.action") [1] 3 8 attr(,"class") [1] "omit"
其中，函数na.fail和 na.omit 不仅可以应用于向量，也可以应用于矩阵和数据框。另外还可以使用!x方式方便地删除NA。例如：
> a<-c(1,2,3,NA,NA,2,NA,5) > a[!is.na(a)] [1] 1 2 3 2 5
其中，is.na用于判断向量内的元素是否为NA，返回结果应该是：向量FALSE FALSE FALSE TRUE TRUE FALSE TRUE FALSE
即a内元素为NA，其对应的下标元素是TRUE，反之是FALSE。！x是取非逻辑运算符，!is.na（a）表示a内元素不为NA，其对应的下标元素是TRUE，反之是FALSE。通过a[!is.na（a）]进行索引后，即可取出a内不为NA的元素，将其过滤。
小结：常用示例
对付缺失值有用的函数：
is.na(x)which(is.na(x))mean(x,na.rm=TRUE)
R中如何删除全部是na的行和列：
> testmatrix <- matrix(nrow=6, ncol=4) > testmatrix [,1] [,2] [,3] [,4] [1,] NA NA NA NA [2,] NA NA NA NA [3,] NA NA NA NA [4,] NA NA NA NA [5,] NA NA NA NA [6,] NA NA NA NA > testmatrix[2:5,2:3] <- seq(2) > testmatrix [,1] [,2] [,3] [,4] [1,] NA NA NA NA [2,] NA 1 1 NA [3,] NA 2 2 NA [4,] NA 1 1 NA [5,] NA 2 2 NA [6,] NA NA NA NA > tm1<-testmatrix[,-which(apply(testmatrix,2,function(x) all(is.na(x))))] > tm1 [,1] [,2] [1,] NA NA [2,] 1 1 [3,] 2 2 [4,] 1 1 [5,] 2 2 [6,] NA NA > tm2<-tm1[-which(apply(testmatrix,1,function(x) all(is.na(x)))),] > tm2 [,1] [,2] [1,] 1 1 [2,] 2 2 [3,] 1 1 [4,] 2 2
R中如何如何替换na值：
#读取数据 ts <- read.csv("ts.csv",header=TRUE) #将缺失值替换为0 ts[is.na(ts)] <- 0 #如果希望将所有的0值再替换为100，使用语句： ts[ts==0] <- 100 #当然也可以根据其他的判断条件进行替换，如： #将所有大于50的元素都替换为50 ts[ts>50] <- 50