R语言——缺失值自动填补

今天下午考试，两个钟头的案例操作，考了我一个相当出乎意料的问题，那就是有超多超多的缺失值需要处理

多到神马程度咧，给亲们体会一下

拢共8000行的训练集，大概每列都有2400左右的缺失值

在短暂吐槽之后，我在考试当场磨出了一部分算法，勉强赶在结束时间前弄了个答案先交了，回来以后再整理了一下，大概写成了这样：

#每行缺失值个数计算

NAq <- function(x) {length(which(is.na(x))) }

NAqty <- apply(Now,1,NAq)

NAStat <- table(NAqty)

整个8000行里头，完全不缺任何值的行只有240，强忍着悲伤进行下一步吧，这里人为的设了保留85%的数据量

#每行最多能容忍几个NA值

cumsum(NAStat)/nrow(Now)

Upto85 <- cumsum(NAStat)/nrow(Now) >0.85

NAlim <- max(as.integer(unlist(dimnames(NAStat))[!Upto85]))

#去掉NA值过多的行

Now <- Now[which(NAqty <= NAlim),]

唉~~~没辙了，照本宣科地搬点教材上的做法，连续值取平均

#用均值自动填充连续值列

Ccols <- c(2,5,7,11)

for (i in Ccols)

{mean <- mean(Now[,i], na.rm = TRUE);

Now[which(is.na(Now[,i])),i] <- mean}

但如果分类值填众数的话，那估计是要歇菜的，所以统一填成Unknown，自成一类吧

#分类项NA填Unknown

T <- c(1:11)

Fcols <- T[c(-1,-Ccols)]

for (i in Fcols)

{levels(Now[,i]) <- c(levels(Now[,i]), "Unknown");

Now[which(is.na(Now[,i])),i] <- "Unknown"}

混得有点过，但考都考完了，剩下的就听天由命咯~~