1写在前面
我们在处理数据的时候常常会遇到存在缺失值(NA)的情况，如何处理就仁者见仁，智者见智了。🤒
最简单粗暴的方法可能就是行删除法(listwise)或者个案删除法(case-wise)了，这种方法在缺失值比较少的情况下比较适用，但在NA较多的情况下可能就会丢失过多信息导致无法继续分析。😘
本期我们介绍一下mice包和ggmice包这两只可爱的小老鼠，全名Multivariate Imputation by Chained Equations, mice，即链式方程多重填补。📍
一张图总结基本原理，嘿嘿。👇
2用到的包
rm(list = ls())
library(tidyverse)
library(mice)
library(ggmice)
3示例数据
这里我们使用一下示例数据airquality，再在其中添加一些缺失值。
dat <- airquality
dat[4:9,3] <- rep(NA,6)
dat[1:4,4] <- NA
4数据概览
4.1 缺失值查看
这里面我们一共有6个变量，其中4个存在缺失值。🫠
summary(dat)
4.2 缺失值可视化
Note! ggmice提供了一种NA值的可视化方法，一目了然，nice! 🤒
plot_pattern(dat,
square = F,
rotate = F)
4.3 influx-outflux plot
这里和大家简单介绍一下这个influx-outflux plot，总的来说评估了缺失数据与其他变量的联系程度。😂
一般来说，在建模时，influx以及outflux越大越好。😗
plot_flux(dat,
label = F,
caption = F)
5可视化一下吧
5.1 连续变量
这里我们对连续变量的缺失值进行一下可视化，可以看到红色的为缺失值。😘
ggmice(dat, aes(Ozone, Solar.R))
geom_point()
5.2 分类变量
接着我们对分类变量的缺失值进行一下可视化，红色的为缺失值。😃
ggmice(dat, aes(Month, Solar.R))
geom_point()
5.3 分面展示
ggmice(dat, aes(Month, Solar.R))
geom_point()
facet_wrap(~ Month == 5,
# labeller = label_both
)
6mice包填补缺失值
6.1 填补缺失值
在这里我们生成几个填补缺失值后的数据，m默认是5，为了减小计算量，这里我设置成3。🤗
Note! 可选method包括：👇
✅ pmm,
✅ logreg,
✅ polyreg,
✅ polr
imp <- mice(dat, m = 3, method = 'pmm')
6.2 连续变量缺失值填补后可视化
我们再看一下填补缺失值后的散点图吧，红色的为缺失值填补后。😚
ggmice(imp, aes(Ozone, Solar.R))
geom_point()
6.3 分类变量缺失值填补后可视化
ggmice(imp, aes(Month, Solar.R))
geom_point()
6.4 分面展示
ggmice(dat, aes(Month, Solar.R))
geom_point()
facet_wrap(~ Month == 5,
# labeller = label_both
)
7填补数据集的可视化
7.1 dotplot
我们之前设置了m = 3，这里我们看一下3个数据集的NA填补情况。🥰
ggmice(imp, aes(x = .imp, y = Temp))
geom_jitter(height = 0, width = 0.25)
labs(x = 'Imputation number')
7.2 boxplot
ggmice(imp, aes(x = .imp, y = Temp))
geom_jitter(height = 0, width = 0.25)
geom_boxplot(width = 0.5, size = 1, alpha = 0.75, outlier.shape = NA)
labs(x = 'Imputation number')
8算法收敛
看来default = 5是有原因的，哈哈哈哈哈哈！🤣
plot_trace(imp,
# 'Temp'
)
最后祝大家早日不卷!~
点个在看吧各位~ ✐.ɴɪᴄᴇ ᴅᴀʏ 〰
