So imputieren sie fehlende werte in r (mit beispielen)

Oft möchten Sie möglicherweise fehlende Werte in Spalten eines Datenrahmens in R durch den Mittelwert oder Median dieser bestimmten Spalte ersetzen.

Um fehlende Werte in einer einzelnen Spalte zu ersetzen, können Sie die folgende Syntax verwenden:

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

Und um fehlende Werte in mehreren Spalten zu ersetzen, können Sie die folgende Syntax verwenden:

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

In diesem Tutorial wird genau erklärt, wie Sie diese Funktionen in der Praxis nutzen können.

Beispiel 1: Fehlende Werte durch Spaltendurchschnitte ersetzen

Der folgende Code zeigt, wie fehlende Werte in der ersten Spalte eines Datenrahmens durch den Durchschnittswert der ersten Spalte ersetzt werden:

 #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

Der Durchschnittswert in der ersten Spalte betrug 3,333 , daher wurden die fehlenden Werte in der ersten Spalte durch 3,333 ersetzt.

Der folgende Code zeigt, wie fehlende Werte in jeder Spalte durch den Durchschnitt der eigenen Spalte ersetzt werden:

 #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

Beispiel 2: Fehlende Werte durch Spaltenmediane ersetzen

Der folgende Code zeigt, wie fehlende Werte in der ersten Spalte eines Datenrahmens durch den Medianwert der ersten Spalte ersetzt werden:

 #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

Der Medianwert in der ersten Spalte betrug 4 , daher wurden fehlende Werte in der ersten Spalte durch 4 ersetzt.

Der folgende Code zeigt, wie fehlende Werte in jeder Spalte durch den Median der eigenen Spalte ersetzt werden:

 #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

Zusätzliche Ressourcen

So iterieren Sie über Spaltennamen in R
So berechnen Sie den Durchschnitt mehrerer Spalten in R
So summieren Sie bestimmte Spalten in R