Introduktion till saknade värden
Hantera saknade värden i R
Nicholas Tierney
Statistician
Introduktion
Det bästa man kan göra med saknade data är att inte ha några
--Gertrude Mary Cox
Att arbeta med verklig data innebär att arbeta med saknade värden
Saknade värden kan ha oväntade effekter på din analys
Dålig imputering kan leda till felaktiga skattningar och beslut.
Vad kommer du att lära dig
- Vad saknade värden är
- Hur du hittar saknade värden
- Hur du hanterar och bearbetar saknade värden
- Utforska varför data saknas
- Imputera saknade värden
Förkunskaper
- Grundläggande till medelnivå i R
- Erfarenhet av att skapa diagram med ggplot2
- Erfarenhet av att använda dplyr för att manipulera och ordna om data
- Erfarenhet av att anpassa linjära modeller i R
Vad är saknade värden?
Saknade värden är värden som borde ha registrerats men inte gjordes det.
NA = Not Available.
Hur kontrollerar jag om jag har saknade värden?
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
Att arbeta med saknade värden
NA + vad som helst = NA
heights
Sophie Dan Fred
165 177 NA
sum(heights)
NA
Fallgropar med saknade värden
NaN: Not a Number.
any_na(NaN)
TRUE
any_na(NULL)
FALSE
any_na(Inf)
FALSE
Fallgropar med saknade värden (2)
NA | TRUE
TRUE
NA | FALSE
NA
NA + NaN
NA
NaN + NA
NaN
Nu kör vi en övning!
Hantera saknade värden i R
