Come imputare i valori mancanti in r (con esempi)

Spesso potresti voler sostituire i valori mancanti nelle colonne di un frame di dati in R con la media o la mediana di quella particolare colonna.

Per sostituire i valori mancanti in una singola colonna, puoi utilizzare la seguente sintassi:

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

E per sostituire i valori mancanti in più colonne, puoi utilizzare la seguente sintassi:

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

Questo tutorial spiega esattamente come utilizzare queste funzioni nella pratica.

Esempio 1: sostituisci i valori mancanti con le medie delle colonne

Il codice seguente mostra come sostituire i valori mancanti nella prima colonna di un frame di dati con il valore medio della prima colonna:

 #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

Il valore medio nella prima colonna era 3.333 , quindi i valori mancanti nella prima colonna sono stati sostituiti con 3.333 .

Il codice seguente mostra come sostituire i valori mancanti in ciascuna colonna con la media della propria colonna:

 #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

Esempio 2: sostituisci i valori mancanti con le mediane delle colonne

Il codice seguente mostra come sostituire i valori mancanti nella prima colonna di un frame di dati con il valore mediano della prima colonna:

 #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

Il valore mediano nella prima colonna era 4 , quindi i valori mancanti nella prima colonna sono stati sostituiti con 4 .

Il codice seguente mostra come sostituire i valori mancanti in ciascuna colonna con la mediana della propria colonna:

 #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

Risorse addizionali

Come scorrere i nomi delle colonne in R
Come calcolare la media di più colonne in R
Come sommare colonne specifiche in R