Geben Sie verschiedene Arten von fehlenden Werten (NAs) an.
Ich bin daran interessiert, Arten von fehlenden Werten anzugeben. Ich habe Daten mit unterschiedlichen Fehlertypen und versuche, diese Werte in R als fehlend zu codieren. Ich suche jedoch nach einer Lösung, bei der ich immer noch zwischen ihnen unterscheiden kann.
Angenommen, ich habe einige Daten, die so aussehen,
set.seed(667)
df <- data.frame(a = sample(c("Don't know/Not sure","Unknown","Refused","Blue", "Red", "Green"), 20, rep=TRUE), b = sample(c(1, 2, 3, 77, 88, 99), 10, rep=TRUE), f = round(rnorm(n=10, mean=.90, sd=.08), digits = 2), g = sample(c("C","M","Y","K"), 10, rep=TRUE) ); df
# a b f g
# 1 Unknown 2 0.78 M
# 2 Refused 2 0.87 M
# 3 Red 77 0.82 Y
# 4 Red 99 0.78 Y
# 5 Green 77 0.97 M
# 6 Green 3 0.99 K
# 7 Red 3 0.99 Y
# 8 Green 88 0.84 C
# 9 Unknown 99 1.08 M
# 10 Refused 99 0.81 C
# 11 Blue 2 0.78 M
# 12 Green 2 0.87 M
# 13 Blue 77 0.82 Y
# 14 Don't know/Not sure 99 0.78 Y
# 15 Unknown 77 0.97 M
# 16 Refused 3 0.99 K
# 17 Blue 3 0.99 Y
# 18 Green 88 0.84 C
# 19 Refused 99 1.08 M
# 20 Red 99 0.81 C
Wenn ich jetzt zwei Tabellen zu meinen fehlenden Werten mache ("Don't know/Not sure","Unknown","Refused"
und77, 88, 99
) sind als reguläre Daten enthalten,
table(df$a,df$g)
# C K M Y
# Blue 0 0 1 2
# Don't know/Not sure 0 0 0 1
# Green 2 1 2 0
# Red 1 0 0 3
# Refused 1 1 2 0
# Unknown 0 0 3 0
und
table(df$b,df$g)
# C K M Y
# 2 0 0 4 0
# 3 0 2 0 2
# 77 0 0 2 2
# 88 2 0 0 0
# 99 2 0 2 2
Ich kodiere jetzt die drei Faktorstufen neu"Don't know/Not sure","Unknown","Refused"
in<NA>
is.na(df[,c("a")]) <- df[,c("a")]=="Don't know/Not sure"|df[,c("a")]=="Unknown"|df[,c("a")]=="Refused"
und entfernen Sie die leeren Ebenen
df$a <- factor(df$a)
und das gleiche geschieht mit den numerischen Werten77, 88,
und99
is.na(df) <- df=="77"|df=="88"|df=="99"
table(df$a, df$g, useNA = "always")
# C K M Y <NA>
# Blue 0 0 1 2 0
# Green 2 1 2 0 0
# Red 1 0 0 3 0
# <NA> 1 1 5 1 0
table(df$b,df$g, useNA = "always")
# C K M Y <NA>
# 2 0 0 4 0 0
# 3 0 2 0 2 0
# <NA> 4 0 4 4 0
Nun werden die fehlenden Kategorien neu kodiertNA
aber sie sind alle zusammengewürfelt. Gibt es eine Möglichkeit in a etwas als fehlend zu dekodieren, aber die beizubehaltenOriginal Werte? Ich möchte, dass R den Faden zieht"Don't know/Not sure","Unknown","Refused"
und77, 88, 99
als fehlend, aber ich möchte in der Lage sein, die Informationen in der Variablen noch zu haben.