轉載https://blog.csdn.net/yyykkklll123/article/details/83867076
步驟：
1.識別缺失值
2.分析缺失的原因
3.查看缺失值情況
4.處理缺失值
識別
判斷缺失值：is.na()
識別矩陣或數據框中的完整觀測：complete.cases()
any(is.na(data))：檢查是否存在缺失值
head(is.na(data $ col1),5)：查看數據data中col1列前5個數據的缺失情況
sum(is.na(data $ col1))：計算col1列中的缺失值個數
sum(!is.na(data $ col1))：計算col1列中的非缺失值個數
mean(!complete.cases(data))：計算data中完整行的百分比
newdata=data[complete.cases(data),]：從data中提取出完整觀測
deldata=data[!complete.cases(data),]：從data中提取出非完整觀測
分析缺失的原因
MCAR：完全隨機缺失，即某變量缺失值與它所在變量其他觀測值無關，與其他變量也無關。
MAR：隨機缺失，即某變量出現缺失與其他變量相關，與自身未觀測值不相關（大多數情況下處理的都是這種數據）
MANR：非隨機缺失，即變量出現缺失與其觀測值有關，需要用專門的方法重新收集數據。
查看缺失值情況
1.列表顯示：
加載mice包（實現處理丟失數據方法的包）
md.pattern()函數：md.pattern(x, plot = TRUE)
生成一個顯示缺失值模式（0,1）的表格，0表示列中有缺失值，1表示沒有
2.圖形顯示：
加載VIM包（可視化缺失值、插補值）
aggr()函數：繪制變量缺失值個數
aggr(x, delimiter = NULL, plot = TRUE, …)
處理缺失值
刪除法
1.行刪除（個案刪除）
適用：缺失數據較少，且分散
缺點：造成數據浪費，估計參數可能會有偏
data[complete.cases(data),]
2.成對刪除
優點：用到了 所以可獲取的信息，在MCAR時可，參數估計無偏
缺點：相關系數矩陣可能不正定，難以選擇用哪個樣本量計算標準誤，用平均的可能造成低估
apply(data,2,mean,na.rm=T)
cor(data,use=‘pair’)
插補
1.用代表中心趨勢的值插補缺失
選擇中位數、平均數、眾數中哪一個由分布決定
近似正態分布：均值插補
偏態分布：中位數插補
例：使用內置數據集實現均值插補
2.回歸插補
方法：對缺失變量和已觀測變量建立回歸方程，用缺失變量的預測值對缺失值進行插補
例：
3.隨機回歸插補
在回歸預測值上增加隨機因素
（這種方法生成的插補值可能有負數，這是由于加入隨機因素引起的）
4.多重插補
基于重復模擬插補缺失值
5.K臨近法
根據樣本觀測值之間的相關性，利用歐氏距離尋找與缺失觀測最相似的k個樣本中的觀測，填補缺失值
DMwR包中knnInputation函數可以實現這種方法
