*disclaimer
449030
欠損値
欠損値を見つける is.na()
[82,] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE [83,] FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE [84,] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
subset(データフレーム, is.na(カラム名) )
- これで、カラムで空欄になっている行が見つけられる。
欠損値があるか確認 anyNA()
> anyNA(JPNindexTopic) [1] TRUE
欠損値の数を数える
> sum(is.na(cor2.1st$ipsyn.25)) [1] 30 > table(is.na(cor2.1st$ipsyn.25)) FALSE TRUE 49 30
欠損値を除く na.omit()
> df.ns.nns.bigram
bigram freq.x freq.y
1 of the 400 300
2 in the 200 30
3 at the 100 NA
4 you know 50 200
5 i know 25 20
6 i think NA 250
> na.omit(df.ns.nns.bigram)
bigram freq.x freq.y
1 of the 400 300
2 in the 200 30
4 you know 50 200
5 i know 25 20
欠損値を無視するオプション na.rm = TRUE
欠損値を 0 に置き換える
> zero
bigram freq.x freq.y
1 of the 400 300
2 in the 200 30
3 at the 100 NA
4 you know 50 200
5 i know 25 20
6 i think NA 250
> zero[is.na(zero)] <- 0
> zero
bigram freq.x freq.y
1 of the 400 300
2 in the 200 30
3 at the 100 0
4 you know 50 200
5 i know 25 20
6 i think 0 250
欠損値の補完
時系列データの場合
- 前後の値の平均を使う
独立データの場合
- 欠損値を除いた全体の平均を使う
https://sugiura-ken.org/wiki/