Question

我想将随机NA添加到R中的data.frame。到目前为止，我已经研究了这些问题：

这里提供了许多解决方案，但我找不到符合这5个条件的解决方案：

添加非常随机的NA，而不是按行或列添加相同的数量
处理data.frame（数字，字符，因子，逻辑，ts ..）中可能遇到的每个变量类，因此输出必须与输入data.frame或matrix具有相同的格式。 / LI>
保证输出中NA的确切数量或比例 [note] （许多解决方案导致NA数量较少，因为多个NA在同一位置生成）
计算对大数据集有效吗？
在输入中独立于已存在的NA添加NA的比例/数量。

有人有想法吗？我已经尝试编写一个函数来执行此操作（在第一个链接的答案中）但它不符合N°3和4的点。感谢。

[注意]确切的比例，当然是+/- 1NA。

Answer 1

这是我在library(imputeMulti)上发表的论文的方式，目前正在审核JSS。这会将NA插入到整个数据集的随机百分比中并且可以很好地扩展，由于n * p * pctNA %% 1 != 0的情况，它不会保证一个确切的数字。

createNAs <- function (x, pctNA = 0.1) {
  n <- nrow(x)
  p <- ncol(x)
  NAloc <- rep(FALSE, n * p)
  NAloc[sample.int(n * p, floor(n * p * pctNA))] <- TRUE
  x[matrix(NAloc, nrow = n, ncol = p)] <- NA
  return(x)
}

显然，您应该使用随机种子进行重现性，可以在函数调用之前指定。

这是一种创建基线数据集的一般策略，用于跨插补方法进行比较。我相信这是你想要的，虽然你的问题（如评论中所述）没有明确说明。

修改：我确实认为x已完成。所以，我不确定它将如何处理现有的缺失数据。如果你愿意，你当然可以修改代码，尽管这可能会使运行时间增加至少O（n * p）

Answer 2

一些用户报告说，亚历克斯的答案未解决我问题的第5个条件。确实，当在已经包含缺失值的数据帧上添加随机NA时，新值有时会落在初始值上，而最终比例将介于初始比例和所需比例之间。所以我继续Alex的功能符合所有5个条件：

我修改了他的createNAs函数，以便启用以下三个选项之一：

选项 complement ：用NA补充至所需的百分比
选项 add ：除了已经存在的NA之外，还添加％的NA
选项无：添加％的NA，无论已经存在的那些

对于选项1和2，该功能将递归工作，直到达到NA的期望比例：

createNAs <- function (x, pctNA = 0.0, option = "add"){
  prop.NA = function(x) sum(is.na(x))/prod(dim(x))
  initial.pctNA = prop.NA(x)

  if (  (option =="complement") & (initial.pctNA > pctNA)  ){
    message("The data already had more NA than the target percentage. Returning original data")
    return(x)
  }

  if (  (option == "none") || (initial.pctNA == 0)  ){
    n <- nrow(x)
    p <- ncol(x)
    NAloc <- rep(FALSE, n * p)
    NAloc[sample.int(n * p, floor(n * p * pctNA))] <- TRUE
    x[matrix(NAloc, nrow = n, ncol = p)] <- NA
    return(x)
  } else { # if another option than none:
    target = ifelse(option=="complement", pctNA, pctNA + initial.pctNA)
    while (prop.NA(x) < target) {
      prop.remaining.to.add = target - prop.NA(x)
      x = createNAs(x, prop.remaining.to.add, option = "none")
    }
    return(x)
  }
}

将随机缺失值的确切比例添加到data.frame

2 个答案: