Ontbrekende waarden in r toeschrijven (met voorbeelden)

Vaak wil je ontbrekende waarden in kolommen van een dataframe in R vervangen door het gemiddelde of de mediaan van die specifieke kolom.

Om ontbrekende waarden in een enkele kolom te vervangen, kunt u de volgende syntaxis gebruiken:

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

En om ontbrekende waarden in meerdere kolommen te vervangen, kunt u de volgende syntaxis gebruiken:

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

In deze tutorial wordt precies uitgelegd hoe u deze functies in de praktijk kunt gebruiken.

Voorbeeld 1: Vervang ontbrekende waarden door kolomgemiddelden

De volgende code laat zien hoe u ontbrekende waarden in de eerste kolom van een dataframe vervangt door de gemiddelde waarde van de eerste kolom:

 #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

De gemiddelde waarde in de eerste kolom was 3.333 , dus de ontbrekende waarden in de eerste kolom zijn vervangen door 3.333 .

De volgende code laat zien hoe u ontbrekende waarden in elke kolom vervangt door het gemiddelde van de eigen kolom:

 #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

Voorbeeld 2: Vervang ontbrekende waarden door kolommedianen

De volgende code laat zien hoe u ontbrekende waarden in de eerste kolom van een dataframe vervangt door de mediaanwaarde van de eerste kolom:

 #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

De mediaanwaarde in de eerste kolom was 4 , dus ontbrekende waarden in de eerste kolom zijn vervangen door 4 .

De volgende code laat zien hoe u ontbrekende waarden in elke kolom vervangt door de mediaan van de eigen kolom:

 #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

Aanvullende bronnen

Hoe kolomnamen te herhalen in R
Hoe het gemiddelde van meerdere kolommen in R te berekenen
Hoe specifieke kolommen in R op te tellen