R语言学习系列14-缺失值及缺失模式.docVIP

14、 缺失值及缺失模式 目录： 一、 什么就是缺失值？ 二、 识别缺失值 三、 缺失模式及处理办法 四．判断缺失模式 正文： 一、什么就是缺失值？ 1、 缺失值 缺失值就是任何数据集中经常出现得问题，无回答、录入错误等调查中常会出现得现象都会导致缺失数据。缺失值通常会用一些特殊符号进行标记，比如9999、1990年1月1日，或者就是“*”、“？”、“#”、“$”等符号。 还有一种数值缺失情况，就是统计得时间窗口并非对所有数据都适合。例如，需要“客户近6个月内得最大存款余额”，对于那些建立账户尚不满6个月得客户来说，统计出来得数值与想要得到得就可能存在差距。 缺失数据会影响分析工作得进行与统计工作得效率，还会导致分析得偏差。数据使用者、分析者往往缺乏缺失值处理方面得知识，仅仅对数据进行简单删除或插补会影响数据规模与数据结构，进而影响分析结果。 一般来说，对缺失值得填充方法，最好就是先判断其缺失模式，再建立一些适当模型，根据数据得分布来填充一个更恰当得数值。 R语言中，缺失值用NA表示。 2、 缺失值得产生原因 (1) 有些信息暂时无法获取 (2) 有些信息就是被遗漏得 (3) 有些对象得某个或某些属性就是不可用得 (4) 有些信息（被认为）就是不重要得 (5) 获取这些信息得代价太大 (6) 系统实时性能要求较高 3、 NA与NULL区别： NA表示数据集中得该数据遗失、不存在。