Як імпутувати відсутні значення в r (з прикладами)

Часто ви можете замінити відсутні значення в стовпцях кадру даних у R середнім значенням або медіаною цього конкретного стовпця.

Щоб замінити відсутні значення в одному стовпці, ви можете використовувати такий синтаксис:

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

А щоб замінити відсутні значення в кількох стовпцях, ви можете використовувати такий синтаксис:

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

Цей посібник пояснює, як саме використовувати ці функції на практиці.

Приклад 1: Замініть відсутні значення середніми значеннями стовпця

Наступний код показує, як замінити відсутні значення в першому стовпці кадру даних середнім значенням першого стовпця:

 #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

Середнє значення в першому стовпці було 3,333 , тому відсутні значення в першому стовпці були замінені на 3,333 .

Наступний код показує, як замінити відсутні значення в кожному стовпці середнім значенням власного стовпця:

 #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

Приклад 2: Замініть відсутні значення медіанами стовпців

Наступний код показує, як замінити відсутні значення в першому стовпці кадру даних середнім значенням першого стовпця:

 #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

Середнє значення в першому стовпці було 4 , тому відсутні значення в першому стовпці були замінені на 4 .

Наступний код показує, як замінити відсутні значення в кожному стовпці медіаною власного стовпця:

 #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

Додаткові ресурси

Як перебирати імена стовпців у R
Як обчислити середнє значення кількох стовпців у R
Як підсумувати певні стовпці в R