我有一个简单的数据框示例如下：
a b c
10 50 100
45 36 27
15 80 90
预计输出如下所示。
a b c
10 NA 100
NA NA NA
15 80 27
我尝试的编程如下：
insert_nas <- function(x) {
len <- length(x)
n <- sample(1:floor((0.01*(dim(x)[1]))), 1)
i <- sample(1:len, n)
x[i] <- NA
x
}
> sapply(incomplete.data,insert_nas)
Error in 1:floor((0.01 * (dim(x)[1]))) : argument of length 0
然而，出现了错误。
如何在数据框中生成缺失1％的随机缺失值？
答案 0 :(得分：2)
您的错误来自：
insert_nas调用正在尝试将函数incomplete.data应用于dim的每个元素（在此上下文中，数据框的元素是其列）。应用于原子向量的函数NULL产生floor;乘以常数得到长度为0的数值向量;申请dim(x)[1]不会改变这一点;最后尝试生成一个由空向量限定的序列会产生错误。
如何消除错误：
大概是x你打算获得数据框中的行数（这是length(x)是数据帧而不是其中一列的时候得到的）。尝试将其替换为p。
对于任意分布的NA选择：
要将值的某些比例sel <- sample( nrow(df)*ncol(df), size = p*nrow(df)*ncol(df) )
for(t in 1:length(sel)){
is.na(df[[sel[t]%/%nrow(df) +1]]) <- sel[t]%%nrow(df) + 1
}
更改为NA，而不考虑列位置，最简单的方法是在整个数据帧中使用适当大小的随机样本（p * df-size）选择要设置为NA的元素：
json答案 1 :(得分：1)
我已使用prodNA包中的missForest。
我的功能如下
fn.df.add.NA <- function(df, var.name, prop.of.missing) {
df.buf <- subset(df, select=c(var.name)) # Select variable
require(missForest, quietly = T)
df.buf <- prodNA(x = df.buf, prop.of.missing) # chage original value to NA in casual sequence
detach("package:missForest", unload=TRUE)
df.col.order <- colnames(x = df) # save the column order
df <- subset(df, select=-c(which(colnames(df)==var.name))) # drop the variable with no NAs
df <- cbind(df, df.buf) # add the column with NA
df <- subset(df, select=df.col.order) # restore the original order sequence
return(df)
}
它允许根据给定比例将随机数量的观察结果更改为NAs。
因为prodNA函数将NA应用于所有data.frame列，所以我使用了＆＃34;缓冲区＆＃34;数据结构以返回输入data.frame的相同数据结构。也许有些读者可能会建议一种更优雅的方式。
您可以通过各种方式进行此测试
set.seed(1)
df <- data.frame(a = as.numeric(runif(n = 100, min = 1, max = 100)),
b = as.numeric(runif(n = 100, min = 201, max = 300)),
c = as.numeric(runif(n = 100, min = 301, max = 400)))
summary(df)
a b c
Min. : 2.326 Min. :202.3 Min. :303.8
1st Qu.:32.985 1st Qu.:229.2 1st Qu.:319.8
Median :49.293 Median :252.3 Median :338.4
Mean :52.267 Mean :252.2 Mean :344.1
3rd Qu.:76.952 3rd Qu.:273.3 3rd Qu.:364.0
Max. :99.199 Max. :299.3 Max. :398.2
df <- fn.df.add.NA(df = df, var.name = "a", prop.of.missing = .1)
df <- fn.df.add.NA(df = df, var.name = "b", prop.of.missing = .2)
df <- fn.df.add.NA(df = df, var.name = "c", prop.of.missing = .3)
summary(df)
a b c
Min. : 2.326 Min. :202.3 Min. :303.8
1st Qu.:30.628 1st Qu.:229.2 1st Qu.:319.2
Median :48.202 Median :252.3 Median :342.2
Mean :50.247 Mean :252.5 Mean :345.4
3rd Qu.:71.504 3rd Qu.:273.3 3rd Qu.:369.3
Max. :99.199 Max. :299.3 Max. :396.2
NA's :10 NA's :20 NA's :30
答案 2 :(得分：0)
希望它仍然有意义。创建了一个函数，该函数接收一个数据帧和所需的NA比率，并返回一个以所需的指定比率在其中随机分布NA的数据帧：
insertNA <- function(df,NAratio) {
sel <- sample( nrow(df)*ncol(df), size = NAratio*nrow(df)*ncol(df) )
for (i in c(1:length(sel))) {
a <- as.integer((sel[i]-1)/ncol(df)+1)
b <- sel[i] - (a-1)*ncol(df)
df[a,b] <- NA
}
return(df)
}
答案 3 :(得分：0)
library(reprex)
set.seed(42)
mi_d <- mtcars
nr_of_NAs <- 30
for (i in 1:nr_of_NAs) {
mi_d[sample(nrow(mi_d),1),sample(ncol(mi_d),1)] <- NA
}
mi_d
#> mpg cyl disp hp drat wt qsec vs am gear carb
#> Mazda RX4 21.0 6 160.0 110 3.90 2.620 16.46 0 1 NA 4
#> Mazda RX4 Wag 21.0 6 160.0 110 3.90 2.875 17.02 0 1 4 4
#> Datsun 710 22.8 NA 108.0 93 3.85 2.320 18.61 NA 1 4 1
#> Hornet 4 Drive 21.4 6 258.0 110 NA 3.215 19.44 NA 0 NA 1
#> Hornet Sportabout NA 8 360.0 NA 3.15 3.440 17.02 0 0 3 2
#> Valiant 18.1 6 225.0 105 2.76 NA 20.22 1 0 3 1
#> Duster 360 14.3 8 360.0 245 3.21 3.570 15.84 NA 0 3 4
#> Merc 240D 24.4 4 146.7 62 3.69 3.190 20.00 1 0 4 2
#> Merc 230 22.8 4 NA 95 3.92 3.150 22.90 1 0 4 2
#> Merc 280 19.2 6 167.6 123 3.92 3.440 18.30 1 0 4 4
#> Merc 280C 17.8 6 167.6 123 3.92 3.440 18.90 1 0 4 4
#> Merc 450SE 16.4 8 275.8 180 3.07 4.070 17.40 0 0 3 3
#> Merc 450SL 17.3 NA 275.8 180 3.07 3.730 17.60 0 0 3 3
#> Merc 450SLC 15.2 8 275.8 180 NA 3.780 18.00 0 0 3 3
#> Cadillac Fleetwood 10.4 NA 472.0 205 2.93 5.250 17.98 0 0 3 NA
#> Lincoln Continental 10.4 8 460.0 215 3.00 5.424 17.82 0 0 3 4
#> Chrysler Imperial 14.7 8 440.0 230 3.23 5.345 17.42 0 0 3 4
#> Fiat 128 32.4 4 78.7 66 4.08 2.200 19.47 1 1 NA 1
#> Honda Civic 30.4 4 75.7 52 4.93 1.615 18.52 1 1 4 2
#> Toyota Corolla 33.9 4 71.1 65 NA 1.835 19.90 1 1 4 1
#> Toyota Corona NA 4 120.1 97 3.70 2.465 20.01 1 0 3 1
#> Dodge Challenger 15.5 8 318.0 NA 2.76 3.520 16.87 0 0 3 2
#> AMC Javelin 15.2 8 304.0 150 3.15 3.435 17.30 NA 0 3 2
#> Camaro Z28 13.3 NA 350.0 245 3.73 3.840 15.41 0 0 NA 4
#> Pontiac Firebird NA 8 400.0 NA 3.08 3.845 17.05 0 0 3 2
#> Fiat X1-9 27.3 NA 79.0 NA 4.08 NA 18.90 1 1 4 1
#> Porsche 914-2 26.0 4 120.3 91 4.43 2.140 16.70 0 NA 5 2
#> Lotus Europa 30.4 NA 95.1 113 3.77 1.513 16.90 1 1 5 2
#> Ford Pantera L 15.8 8 351.0 264 4.22 3.170 14.50 0 1 5 4
#> Ferrari Dino 19.7 6 145.0 175 3.62 2.770 15.50 0 1 5 6
#> Maserati Bora 15.0 8 301.0 335 3.54 3.570 14.60 0 1 5 8
#> Volvo 142E NA 4 121.0 109 4.11 2.780 18.60 1 1 4 2
Created on 2021-05-27 by the reprex package (v2.0.0)