1 data n r语言 r语言data[, | 您所在的位置:网站首页 › r语言删除缺失值所在一行 › 1 data n r语言 r语言data[, |
数据预处理函数 数据修改修改数据标签行列删除 例如data[-1,-3]:表示删除数据集data的第一行和第三行缺失值处理:判断是否缺失判断缺失模式 在有缺失数据的情况下进行的数据分析是不可能的,处理缺失数据主要有三种方法:删除缺失样本:前提是缺失数据的比例比较少,而且确实数据是随机出现的,这样删除缺失数据后对分析结果影响不大,R可以使用complete.cases()指令选取完整的记录,有缺失值得行则删去不要对于有多个变量缺失的数据,如果直接删除所有的缺失值,可以通过na.comit()函数来完成,一些函数在计算时可以通过参数设置来忽略缺失值替换缺失值:用赋值来解决,用变量均值或者中位数来代替缺失值,多重插补法:用来填补复杂数据缺失值的一种方法,通过变量间的关系来预测缺失数据,插补算法有JM模型(对原始数据的要求很高)和FSC(基于链式方程的), demo(graphics)demo(persp):绘制三维图形的例子 R作图的对象是向量或数据框,读入数据时一般可以直接形成图形 缺失值一般用NA表示is.na(x) :看x当中有哪些值是空值,对x中的每个元素进行判断,如果是空值则返回TRUE,否则返回FALSE缺失值不能用来比较的 ,不能用来比较相等针对空值所做的运算都是NA,因为空值是不能比较的 y a a [1] 2 5 7 > is.numeric() Error in is.numeric() : 0 arguments passed to 'is.numeric' which requires 1 > is.numeric(a) [1] TRUE > is.vector(a) [1] TRUE > b |
CopyRight 2018-2019 实验室设备网 版权所有 |