[R包分享] naniar包处理缺失数据

R语言数据分析指南

发布于 2024-07-26 14:22:51

500

发布于 2024-07-26 14:22:51

文章被收录于专栏：R语言数据分析指南

欢迎关注R语言数据分析指南

❝本节来分享介绍一款R包naniar主要用于探索缺失数据结构，完美兼容ggplot和tidydata。更多详细内容请参考官方文档。

官方文档

❝https://naniar.njtierney.com/articles/naniar.html

library(tidyverse)

ggplot(airquality,aes(x = Solar.R,y = Ozone)) + 
  geom_point()

❝Warning message: Removed 42 rows containing missing values or values outside the scale range (geom_point()).

该警告问题在于ggplot默认不处理缺失值，并删除缺失值。这使得它们很难探索。它还提出了一个奇怪的问题：“如何可视化不存在的东西？

install.packages("naniar")
library(naniar)

ggplot(airquality, aes(x = Solar.R, y = Ozone)) + 
  geom_miss_point()

同时该geom图层也完全兼容ggplot2的其它功能，例如facets

ggplot(airquality,aes(x = Solar.R, y = Ozone)) + 
  geom_miss_point() + 
  facet_wrap(~Month)

miss_case_table(airquality)

# A tibble: 3 × 3
  n_miss_in_case n_cases pct_cases
           <int>   <int>     <dbl>
1              0     111     72.5 
2              1      40     26.1 
3              2       2      1.31

miss_case_table()将案例/行中缺失值的数量制成表格。下面显示了案例中的缺失值数量：

有 111 个案例没有缺失，约占数据的 72%。共有 40 个案例，其中 1 个缺失，占数据的 26%。然后有 2 个案例，其中 2 个缺失 - 这些占数据的 1%。

统计缺失值数量

miss_var_summary(airquality)

# A tibble: 6 × 3
  variable n_miss pct_miss
  <chr>     <int>    <num>
1 Ozone        37    24.2 
2 Solar.R       7     4.58
3 Wind          0     0   
4 Temp          0     0   
5 Month         0     0   
6 Day           0     0

对缺失值进行建模

library(rpart)
library(rpart.plot)

airquality %>%
  add_prop_miss() %>%
  rpart(prop_miss_all ~ ., data = .) %>%
  prp(type = 4, extra = 101, prefix = "Prop. Miss = ")