处理缺失数据
Coddy R 中的数据处理 课程的第 11 课，共 14 课。
缺失值通常表示为 <strong>NA</strong>（不可用）。让我们来了解识别、删除和填补缺失值的方法。
识别缺失数据
在 R 中检查缺失值，可以使用以下函数：
# 检查值是否为 NA
is.na(x)
# 统计向量中 NA 的个数
sum(is.na(x))
# 找出数据框中含有 NA 的行
complete.cases(df)删除缺失数据
你可以使用以下方法删除含有缺失值的行：
# 删除包含任何 NA 的行
df_clean <- na.omit(df)
# 使用 dplyr 删除指定列中包含 NA 的行
library(dplyr)
df_clean <- df %>% filter(!is.na(column_name))填补缺失数据
填补是指用估算值替换缺失值。以下是一些常见的填补方法：
# 均值填补
df$column[is.na(df$column)] <- mean(df$column, na.rm = TRUE)
# 中位数填补
df$column[is.na(df$column)] <- median(df$column, na.rm = TRUE)
# 分类数据的众数填补
mode_value <- names(sort(table(df$category), decreasing = TRUE))[1]
df$category[is.na(df$category)] <- mode_value
自我测试这节课包含一个小测验。开始学习即可作答，并记录你的进度。
自我测试这节课包含一个小测验。开始学习即可作答，并记录你的进度。
自我测试这节课包含一个小测验。开始学习即可作答，并记录你的进度。
挑战
中等创建一个函数，用于处理包含患者及其医学检测结果信息的数据集。该函数应执行以下操作：
- 将输入字符串转换为数据框
- 识别并统计每列中的缺失值数量
- 删除“age”或“test_result”列中存在缺失值的行
- 使用中位数填补“blood_pressure”列中的缺失值
- 根据“test_result”创建一个新列“status”：
- 如果 test_result 缺失，将 status 设为 "Unknown"
- 如果 test_result 小于 50，将 status 设为 "Normal"
- 如果 test_result 大于或等于 50，将 status 设为 "Elevated"
- 打印以下信息：
- 处理前每列中的缺失值数量
- 删除的行数
- 用于填补缺失值的血压中位数
- 处理后的数据框
亲手试试
# 读取输入
con <- file("stdin", "r")
input_string <- suppressWarnings(readLines(con))
# 将输入字符串转换为数据框
data <- read.csv(text = input_string, stringsAsFactors = FALSE)
# TODO: 在下方编写你的代码
# 1. 找出并统计缺失值
# 2. 删除 'age' 或 'test_result' 中有缺失值的行
# 3. 填补 'blood_pressure' 中的缺失值
# 4. 创建 'status' 列
# 5. 打印所需信息
# 输出占位符
cat("Missing values in each column before processing:\n")
print(missing_counts)
cat("\nNumber of rows removed:\n")
print(rows_removed)
cat("\nMedian blood pressure used for imputation:\n")
print(median_bp)
cat("\nProcessed data:\n")
print(data_clean)R 中的数据处理中的所有课
自己练习： R 在线编译器