第4章 缺失值

4.1 常见的缺失值形式

缺失值通常有三种形式：NaN（Not a Number，非数值）、NULL（absence of value，空值）和 NA（Not Available，缺失值）

4.2 NaN

R中的有些运算会导致结果为非数值，显示为NaN，可以用is.nan()函数来判断。

0/0

## [1] NaN

is.nan(0/0)

## [1] TRUE

4.3 NULL

R中的NULL表示空值，即没有内容，长度为0且不占位置，常用来初始化变量。可以用is.null()函数来判断。

x <- NULL
length(x)

## [1] 0

is.null(x)

## [1] TRUE

4.4 NA

NA是R中真正意义上的缺失值。可以用is.na()函数来判断。

# 创建bmi向量
bmi <- c(26.5, 22.4, NA, 25.5, 31, 27, 20, NA, 19.4, 23, 30)

# 获取缺失值数目
sum(is.na(bmi)) 

## [1] 2

# 获取缺失值的索引值
which(is.na(bmi))

## [1] 3 8

# 移除缺失值
bmi[!is.na(bmi)] 

## [1] 26.5 22.4 25.5 31.0 27.0 20.0 19.4 23.0 30.0

# 移除缺失值，同时显示缺失值的索引值
na.omit(bmi) 

## [1] 26.5 22.4 25.5 31.0 27.0 20.0 19.4 23.0 30.0
## attr(,"na.action")
## [1] 3 8
## attr(,"class")
## [1] "omit"

4.5 缺失值的存在与函数运行

在处理含有缺失值的向量时，很多函数在默认参数下不能工作。

# 有缺失值时，函数在默认参数下不能工作
mean(bmi) 

## [1] NA

# 移除缺失值之后计算均值
mean(bmi, na.rm=TRUE) 

## [1] 24.97778

# 复制向量
bmi_impute <- bmi 

# 对向量进行均值填补
bmi_impute[is.na(bmi_impute)] <- mean(bmi_impute, na.rm=TRUE) 

# 填补只会作用于（复制后的）目标向量，对初始向量无影响
writeLines(paste0("填补后的目标向量为：", list(round(bmi_impute, 2)), "\n", "填补后的初始向量为：", list(bmi))) 

## 填补后的目标向量为：c(26.5, 22.4, 24.98, 25.5, 31, 27, 20, 24.98, 19.4, 23, 30)
## 填补后的初始向量为：c(26.5, 22.4, NA, 25.5, 31, 27, 20, NA, 19.4, 23, 30)