Como imputar valores ausentes em r (com exemplos)

Freqüentemente, você pode querer substituir os valores ausentes nas colunas de um quadro de dados em R pela média ou mediana dessa coluna específica.

Para substituir valores ausentes em uma única coluna, você pode usar a seguinte sintaxe:

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

E para substituir valores ausentes em várias colunas, você pode usar a seguinte sintaxe:

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

Este tutorial explica exatamente como usar essas funções na prática.

Exemplo 1: Substitua os valores ausentes pelas médias das colunas

O código a seguir mostra como substituir os valores ausentes na primeira coluna de um quadro de dados pelo valor médio da primeira coluna:

 #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

O valor médio na primeira coluna foi 3,333 , então os valores faltantes na primeira coluna foram substituídos por 3,333 .

O código a seguir mostra como substituir os valores ausentes em cada coluna pela média de sua própria coluna:

 #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

Exemplo 2: Substitua os valores ausentes pelas medianas das colunas

O código a seguir mostra como substituir os valores ausentes na primeira coluna de um quadro de dados pelo valor mediano da primeira coluna:

 #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

O valor mediano na primeira coluna era 4 , portanto os valores ausentes na primeira coluna foram substituídos por 4 .

O código a seguir mostra como substituir os valores ausentes em cada coluna pela mediana de sua própria coluna:

 #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

Recursos adicionais

Como iterar sobre nomes de colunas em R
Como calcular a média de múltiplas colunas em R
Como somar colunas específicas em R