[英]Generate random missing values in a dataframe using R
我有一個簡單的數據框示例,如下所示:
a b c
10 50 100
45 36 27
15 80 90
預期的輸出如下所示。
a b c
10 NA 100
NA NA NA
15 80 27
我嘗試的編程如下:
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
但是,出現了一個錯誤。
如何生成數據框中缺失 1% 的隨機缺失值?
你的錯誤來自哪里:
sapply
調用試圖將函數insert_nas
到incomplete.data
每個元素(在這種情況下,數據insert_nas
的元素是它的列)。 應用於原子向量的函數dim
產生NULL
; 乘以一個常數給出一個長度為 0 的數值向量; 申請floor
不會改變這一點; 最后嘗試生成一個以空向量為邊界的序列會出錯。
如何消除錯誤:
大概是通過dim(x)[1]
您打算獲得數據幀中的行數(這是當x
是數據幀而不是其列之一時得到的結果)。 嘗試用length(x)
替換它。
對於任意分布的 NA 選擇:
要將值的某些比例p
更改為 NA,在不考慮列位置的情況下進行分布,似乎最直接的是在整個數據幀上使用適當大小 (p*df-size) 的隨機樣本來選擇要設置為 NA 的元素:
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
}
我用prodNA
從missForest
包。
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)
}
它允許根據給定的比例將隨機數量的觀察更改為 NA。
因為 prodNA 函數將 NA 應用於所有 data.frame 列,所以我使用了“緩沖區”數據結構,以便返回與輸入 data.frame 相同的數據結構。 也許有些讀者可能會建議一種更優雅的方式。
您可以通過各種方式進行此測試
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
希望它仍然相關。 創建了一個接收數據幀和所需 NAs 比率的函數,返回一個數據幀,其中包含隨機分布的 NAs 並具有所需的指定比率:
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)
}
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)
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.