|
在原始数据采集的过程中，很难保证数据完整，有可能出现一些数据的缺失，对于数据分析，首先我们要对缺失数据进行处理。 缺失数据的分类：统计学家将缺失数据分为3类。 1.完全随机缺失：缺失数据与其他观测变量无关； 2.随机缺失：与其他观测变量相关，但是与自身为观测的值不相干； 3.非随机缺失：与自身未测得观测值不相干。 如何处理缺失数据： 在R中NA(not avaliable)，用来存储缺失信息，NA表示没有，但是不等于零。 缺失值在R中的计算 如果数据中包含NA,我们可以用一个函数将NA去除，计算其他值 处理数据前，我们要知道数据中是否存在NA,那么对于大型数据需要通过调用函数查看，is.na（），遇到NA返回TRUE,其余返回FALSE R中的SLEEP数据集含有缺失值，我们一起处理一下 加载这个包，然后查看sleep数据集 其中TRUE为缺失值，用colSums（）计算每一列的NA数量 去掉数据集中的缺失值，na.omit（）删除包含NA的行 缺失数据NaN，代表不可能的值 NaN是不存在的 Lnf代表无穷大或者无穷小 缺失数据NaN，代表不可能的值 NaN是不存在的 Lnf代表无穷大或者无穷小 |
|
|
