Introduction to missing data
การจัดการข้อมูลที่หายไปใน R
Nicholas Tierney
Statistician
บทนำ
สิ่งที่ดีที่สุดที่ควรทำกับข้อมูลที่หายไปคือไม่ให้มีเลย
--Gertrude Mary Cox
การทำงานกับข้อมูลจริง = การทำงานกับข้อมูลที่หายไป
ข้อมูลที่หายไปอาจส่งผลต่อการวิเคราะห์อย่างไม่คาดคิด
การ impute ที่ไม่ถูกต้องอาจนำไปสู่การประมาณค่าและการตัดสินใจที่ผิดพลาด
จะได้เรียนรู้อะไรบ้าง
- ข้อมูลที่หายไปคืออะไร
- วิธีค้นหาข้อมูลที่หายไป
- วิธีจัดการและทำความสะอาดข้อมูลที่หายไป
- สำรวจสาเหตุที่ข้อมูลหายไป
- การ impute ค่าที่หายไป
ความรู้ที่ควรมีก่อนเรียน
- ประสบการณ์ R ระดับพื้นฐานถึงกลาง
- ประสบการณ์สร้างกราฟด้วย ggplot2
- ประสบการณ์ใช้ dplyr จัดการและเรียบเรียงข้อมูล
- ประสบการณ์สร้างโมเดลเชิงเส้นใน R
ค่าที่หายไปคืออะไร?
ค่าที่หายไปคือค่าที่ควรถูกบันทึกแต่ไม่ได้ถูกบันทึก
NA = Not Available (ไม่มีค่า)
จะตรวจสอบค่าที่หายไปได้อย่างไร?
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
การทำงานกับข้อมูลที่หายไป
NA + ทุกอย่าง = NA
heights
Sophie Dan Fred
165 177 NA
sum(heights)
NA
ข้อควรระวังเกี่ยวกับข้อมูลที่หายไป
NaN: Not a Number (ไม่ใช่ตัวเลข)
any_na(NaN)
TRUE
any_na(NULL)
FALSE
any_na(Inf)
FALSE
ข้อควรระวังเกี่ยวกับข้อมูลที่หายไป (2)
NA | TRUE
TRUE
NA | FALSE
NA
NA + NaN
NA
NaN + NA
NaN
มาฝึกกันเถอะ!
การจัดการข้อมูลที่หายไปใน R
