Introduction aux données manquantes
Gérer les données manquantes avec R
Nicholas Tierney
Statistician
Introduction
La meilleure façon de gérer les données manquantes est de ne pas en avoir.
--Gertrude Mary Cox
Travailler avec des données réelles = gérer des données manquantes
Les données manquantes peuvent fausser votre analyse
Une mauvaise imputation mène à de piètres estimations et décisions.
Ce que vous apprendrez
- Ce que sont les valeurs manquantes
- Comment repérer les données manquantes
- Comment préparer et nettoyer les données manquantes
- Explorer pourquoi des données manquent
- Imputer des valeurs manquantes
Connaissances préalables
- Expérience de niveau de base à intermédiaire en R
- Expérience de création de graphiques avec ggplot2
- Expérience d'utilisation de dplyr pour manipuler et réorganiser des données
- Expérience d'ajustement de modèles linéaires en R
Que sont les valeurs manquantes ?
Les valeurs manquantes sont des valeurs qui auraient dû être consignées mais ne l'ont pas été.
NA = Not Available.
Comment vérifier si j'ai des valeurs manquantes ?
x <- c(1, NA, 3, NA, NA, 5)any_na(x)
TRUE
are_na(x)
FALSE TRUE FALSE TRUE TRUE FALSE
n_miss(x)
3
prop_miss(x)
0.5
Travailler avec des données manquantes
NA + n'importe quoi = NA
heights
Sophie Dan Fred
165 177 NA
sum(heights)
NA
Pièges des données manquantes
NaN : Not a Number.
any_na(NaN)
TRUE
any_na(NULL)
FALSE
any_na(Inf)
FALSE
Pièges des données manquantes (2)
NA | TRUE
TRUE
NA | FALSE
NA
NA + NaN
NA
NaN + NA
NaN
Passons à la pratique !
Gérer les données manquantes avec R
