应用R语言进行缺失数据探索及可视化

R语言中缺失数据处理

应用高级方法进行缺失数据的管理

• 缺失数据主要包括
  • missing completely at random (MCAR)完全随机缺失
  • missing at random (MAR) 随机缺失
  • Not missing at random (NMAR).非随机缺失 ### mice and VIM package
• Generates Multivariate Imputations by Chained Equations (MICE)
• VIM包主要用于缺失数据的可视化

数据实操

• 我们以mtcars数据集为例

dim(mtcars)

## [1] 32 11

data=mtcars

MICE包

• md.pattern:Display missing-data patterns.函数用于探索数据缺失的模式

library(mice)

## Warning: package 'mice' was built under R version 3.6.3

## 
## Attaching package: 'mice'

## The following objects are masked from 'package:base':
## 
##     cbind, rbind

md.pattern(data) 

##  /\     /\
## {  `---'  }
## {  O   O  }
## ==>  V <==  No need for mice. This data set is completely observed.
##  \  \|/  /
##   `-----'

image.png

##    mpg cyl disp hp drat wt qsec vs am gear carb  
## 32   1   1    1  1    1  1    1  1  1    1    1 0
##      0   0    0  0    0  0    0  0  0    0    0 0

# 那么显然我们发现了mtcars是一个没有缺失的数据集

那我们看一个有缺失的数吧

• 这样才能体现md.pattern函数的强大功能
• 正所谓一图胜前言

dim(nhanes)

## [1] 25  4

# 这是一个25*4的矩阵数据
nhanes # 因为数据不大，索性看看它的全貌吧

##    age  bmi hyp chl
## 1    1   NA  NA  NA
## 2    2 22.7   1 187
## 3    1   NA   1 187
## 4    3   NA  NA  NA
## 5    1 20.4   1 113
## 6    3   NA  NA 184
## 7    1 22.5   1 118
## 8    1 30.1   1 187
## 9    2 22.0   1 238
## 10   2   NA  NA  NA
## 11   1   NA  NA  NA
## 12   2   NA  NA  NA
## 13   3 21.7   1 206
## 14   2 28.7   2 204
## 15   1 29.6   1  NA
## 16   1   NA  NA  NA
## 17   3 27.2   2 284
## 18   2 26.3   2 199
## 19   1 35.3   1 218
## 20   3 25.5   2  NA
## 21   1   NA  NA  NA
## 22   1 33.2   1 229
## 23   1 27.5   1 131
## 24   3 24.9   1  NA
## 25   2 27.4   1 186

md.pattern(nhanes)

image.png

##    age hyp bmi chl   
## 13   1   1   1   1  0
## 3    1   1   1   0  1
## 1    1   1   0   1  1
## 1    1   0   0   1  2
## 7    1   0   0   0  3
##      0   8   9  10 27

那么这张图的解读是什么呢？