Comment imputer les valeurs manquantes dans R (avec exemples)

Souvent, vous souhaiterez peut-être remplacer les valeurs manquantes dans les colonnes d’un bloc de données dans R par la moyenne ou la médiane de cette colonne particulière.

Pour remplacer les valeurs manquantes dans une seule colonne, vous pouvez utiliser la syntaxe suivante :

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

Et pour remplacer les valeurs manquantes dans plusieurs colonnes, vous pouvez utiliser la syntaxe suivante :

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

Ce tutoriel explique exactement comment utiliser ces fonctions en pratique.

Exemple 1 : Remplacer les valeurs manquantes par les moyennes des colonnes

Le code suivant montre comment remplacer les valeurs manquantes dans la première colonne d’un bloc de données par la valeur moyenne de la première colonne :

#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

La valeur moyenne dans la première colonne était de 3,333 , donc les valeurs manquantes dans la première colonne ont été remplacées par 3,333 .

Le code suivant montre comment remplacer les valeurs manquantes dans chaque colonne par la moyenne de sa propre colonne :

#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

Exemple 2 : Remplacer les valeurs manquantes par les médianes des colonnes

Le code suivant montre comment remplacer les valeurs manquantes dans la première colonne d’un bloc de données par la valeur médiane de la première colonne :

#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

La valeur médiane dans la première colonne était 4 , donc les valeurs manquantes dans la première colonne ont été remplacées par 4 .

Le code suivant montre comment remplacer les valeurs manquantes dans chaque colonne par la médiane de sa propre colonne :

#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

Ressources additionnelles

Comment parcourir les noms de colonnes dans R
Comment calculer la moyenne de plusieurs colonnes dans R
Comment additionner des colonnes spécifiques dans R