كيفية احتساب القيم المفقودة في لغة r (مع أمثلة)

في كثير من الأحيان قد ترغب في استبدال القيم المفقودة في أعمدة إطار البيانات في R بمتوسط أو متوسط ذلك العمود المعين.

لاستبدال القيم المفقودة في عمود واحد، يمكنك استخدام بناء الجملة التالي:

 df$col[ is.na (df$col)] <- mean(df$col, na.rm = TRUE )

ولاستبدال القيم المفقودة في أعمدة متعددة، يمكنك استخدام الصيغة التالية:

 for(i in 1: ncol (df)) {
  df[ , i][ is.na (df[ , i])] <- mean(df[ , i], na.rm = TRUE )
}

يشرح هذا البرنامج التعليمي بالضبط كيفية استخدام هذه الوظائف عمليًا.

مثال 1: استبدال القيم المفقودة بمتوسطات الأعمدة

يوضح الكود التالي كيفية استبدال القيم المفقودة في العمود الأول من إطار البيانات بمتوسط قيمة العمود الأول:

 #create data frame
df <- data.frame(var1=c(1, NA, NA, 4, 5),
                 var2=c(7, 7, 8, 3, 2),
                 var3=c(3, 3, 6, 6, 8),
                 var4=c(1, 1, 2, 8, 9))

#replace missing values in first column with mean of first column
df$var1[ is.na (df$var1)] <- mean(df$var1, na.rm = TRUE )

#view data frame with missing values replaced
df

      var1 var2 var3 var4
1 1.000000 7 3 1
2 3.333333 7 3 1
3 3.333333 8 6 2
4 4.000000 3 6 8
5 5.000000 2 8 9

متوسط القيمة في العمود الأول كان 3.333 ، لذلك تم استبدال القيم المفقودة في العمود الأول بـ 3.333 .

يوضح الكود التالي كيفية استبدال القيم المفقودة في كل عمود بمتوسط العمود الخاص به:

 #create data frame
df <- data.frame(var1=c(1, NA, NA, 4, 5),
                 var2=c(7, 7, 8, NA, 2),
                 var3=c(NA, 3, 6, NA, 8),
                 var4=c(1, 1, 2, 8, 9))

#replace missing values in each column with column means
for(i in 1: ncol (df)) {
  df[ , i][ is.na (df[ , i])] <- mean(df[ , i], na.rm = TRUE )
}

#view data frame with missing values replaced
df

      var1 var2 var3 var4
1 1.000000 7 5.666667 1
2 3.333333 7 3.000000 1
3 3.333333 8 6.000000 2
4 4.000000 6 5.666667 8
5 5.000000 2 8.000000 9

مثال 2: استبدال القيم المفقودة بمتوسطات الأعمدة

يوضح الكود التالي كيفية استبدال القيم المفقودة في العمود الأول من إطار البيانات بالقيمة المتوسطة للعمود الأول:

 #create data frame
df <- data.frame(var1=c(1, NA, NA, 4, 5),
                 var2=c(7, 7, 8, NA, 2),
                 var3=c(NA, 3, 6, NA, 8),
                 var4=c(1, 1, 2, 8, 9))

#replace missing values in first column with median of first column
df$var1[ is.na (df$var1)] <- median(df$var1, na.rm = TRUE )

#view data frame with missing values replaced
df

  var1 var2 var3 var4
1 1 7 NA 1
2 4 7 3 1
3 4 8 6 2
4 4 NA NA 8
5 5 2 8 9

كانت القيمة المتوسطة في العمود الأول 4 ، لذلك تم استبدال القيم المفقودة في العمود الأول بـ 4 .

يوضح الكود التالي كيفية استبدال القيم المفقودة في كل عمود بمتوسط العمود الخاص به:

 #create data frame
df <- data.frame(var1=c(1, NA, NA, 4, 5),
                 var2=c(7, 7, 8, NA, 2),
                 var3=c(NA, 3, 6, NA, 8),
                 var4=c(1, 1, 2, 8, 9))

#replace missing values in each column with column medians
for(i in 1: ncol (df)) {
  df[ , i][ is.na (df[ , i])] <- median(df[ , i], na.rm = TRUE )
}

#view data frame with missing values replaced
df

  var1 var2 var3 var4
1 1 7 6 1
2 4 7 3 1
3 4 8 6 2
4 4 7 6 8
5 5 2 8 9

مصادر إضافية

كيفية التكرار على أسماء الأعمدة في R
كيفية حساب متوسط أعمدة متعددة في R
كيفية جمع أعمدة محددة في R