第三节-第六节：缺失值的处理
image
https://zhuanlan.zhihu.com/p/39171442
为何要对缺失数据进行分析探索？
1.单纯将缺失值删除会导致信息丢失
2.探索缺失数据有利于发现缺失形成的规律，从而找打插补方法。
eg：1.乳酸的缺失值可能是患者病情稳定。2.CRP的缺失可从WBC进行推断，从而形成插补。
数据缺失类型：
将数据集中不含缺失值的变量(属性)称为完全变量，数据集中含有缺失值的变量称为不完全变量。
1.完全随机缺失（MCAR：missing completely at ramdom ）:缺失是完全随机的，不依赖任何其他完全变量和不完全变量，不影响样本的无偏性，实际的数据中这样的例子非常少见。
2.随机缺失(MAR:missing at random)：数据缺失不是完全随机的，缺失依赖于其他的完全变量。如‘配偶年龄’的缺失依赖于‘婚姻状态’。
3.非随机缺失（MNAR：missing not at ramdom）:数据缺失与不完全变量自身的取值有关。如一个病人乳酸值的缺失可能是由于他病情稳定，因此未行抽血检测乳酸值。即乳酸值的缺失与乳酸本身有关。这就是所谓的左删失数据（left-censored data）。
识别数据缺失
小样本时：is.na、dplyr包的Complete.case()函数
大样本时：mice包里的ma.pattern函数
缺失值处理
zhangzh里12345和reshape文件
网友评论