数据缺失有多种原因，而大部分统计方法都假定处理的是完整矩阵、向量和数据框。
缺失数据的分类：
完全随机缺失 ：若某变量的缺失数据与其他任何观测或未观测变量都不相关，则数据为完全随机缺失（MCAR）。
随机缺失： 若某变量上的缺失数据与其他观测变量相关，与它自己的未观测值不相关，则数据为随机缺失（MAR）。
非随机缺失： 若缺失数据不属于MCAR或MAR，则数据为非随机缺失（NMAR） 。
处理缺失数据的方法有很多，但哪种最适合你，需要在实践中检验。
下面一副图形展示处理缺失数据的方法：
处理数据缺失的一般步骤：
1、识别缺失数据
2、检测导致数据缺失的原因
3、删除包含缺失值的实例或用合理的数值代替（插补）缺失值。
1、识别缺失数据：
R语言中， NA 代表缺失值， NaN 代表不可能值， Inf 和 -Inf 代表正无穷和负无穷。
在这里，推荐使用 is.na ， is.nan ， is.finite ， is.infinite 4个函数去处理。
x<-c(2,NA,0/0,5/0)
#判断缺失值
is.na(x)
#判断不可能值
is.nan(x)
#判断无穷值
is.infinite(x)
#判断正常值
is.finite(x)
推荐一个函数： complete.case() 可用来识别矩阵或数据框中没有缺失值的行！
展示出数据中缺失的行 （数据集sleep来自包VIM）
sleep[!complete.cases(sleep),]
判断数据集中有多少缺失
针对复杂的数据集，怎么更好的探索数据缺失情况呢？
mice包 中的 md.pattern() 函数可以生成一个以矩阵或数据框形式展示缺失值模式的表格。
备注：0表示变量的列中没有缺失，1则表示有缺失值。
第一行给出了没有缺失值的数目（共多少行）。
第一列表示各缺失值的模式。
最后一行给出了每个变量的缺失值数目。
最后一列给出了变量的数目（这些变量存在缺失值）。
在这个数据集中，总共有38个数据缺失。
图形化展示缺失数据：
aggr(sleep,prop=F,numbers=T)
matrixplot(sleep)
浅色表示值小，深色表示值大，默认缺失值为红色。
marginmatrix(sleep)
上述变量太多，我们可以选出部分变量展示：
x <- sleep[, 1:5]
x[,c(1,2,4)] <- log10(x[,c(1,2,4)])
marginmatrix(x)
为了更清晰，可以进行成对展示：
marginplot(sleep[c("Gest","Dream")])
在这里(左下角)可以看到，Dream和Gest分别缺失12和4个数据。
左边的红色箱线图展示的是在Gest值缺失的情况下Dream的分布，而蓝色箱线图展示的Gest值不缺失的情况下Dream的分布。同样的，Gest箱线图在底部。
2、缺失值数据的处理
行删除法： 数据集中含有缺失值的行都会被删除，一般假定缺失数据是完全随机产生的，并且缺失值只是很少一部分，对结果不会造成大的影响。
即：要有足够的样本量，并且删除缺失值后不会有大的偏差！
行删除的函数有 na.omit() 和 complete.case()
newdata<-na.omit(sleep)
sum(is.na(newdata))
newdata<-sleep[complete.cases(sleep),]
sum(is.na(newdata))
均值/中位数等填充： 这种方法简单粗暴，如果填充值对结果影响不怎么大，这种方法倒是可以接受，并且有可能会产生令人满意的结果。
方法1：
newdata<-sleep
mean(newdata$Dream,na.rm = T)
newdata[is.na(newdata$Dream),"Dream"]<-1.972
方法2：
Hmisc包更加简单，可以插补均值、中位数等，你也可以插补指定值。
library(Hmisc)
impute(newdata$Dream,mean)
impute(newdata$Dream,median)
impute(newdata$Dream,2)
mice包插补缺失数据： 链式方程多元插值，首先利用mice函数建模再用complete函数生成完整数据。
下图展示mice包的操作过程：
mice()：从一个含缺失值的数据框开始，返回一个包含多个完整数据集对象（默认可以模拟参数5个完整的数据集）
with()：可依次对每个完整数据集应用统计建模
pool()：将with()生成的单独结果整合到一起
library(mice)
newdata<-sleep
data<-mice(newdata,m = 5,method='pmm',maxit=100,seed=1)
在这里，m是默认值5，指插补数据集的数量
插补方法是pmm：预测均值匹配，可以用methods(mice)查看其他方法
maxit指迭代次数，seed指设定种子数（和set.seed同义）
概述插补后的数据：
summary(data)
在这上面可以看到数据集中变量的观测值缺失情况，每个变量的插补方法， VisitSequence 从左至右展示了插补的变量， 预测变量矩阵 （PredictorMatrix）展示了进行插补过程的含有缺失数据的变量，它们利用了数据集中其他变量的信息。（在矩阵中，行代表插补变量，列代表为插补提供信息的变量，1
和0分别表示使用和未使用。）
查看整体插补的数据：
data$imp
查看具体变量的插补数据：
data$imp$Dream
最后，最重要的是生成一个完整的数据集
completedata<-complete(data)
判断还有没有缺失值，如果没有，结果返回FLASE
anyNA(completedata)
针对以上插补结果，我们可以查看原始数据和插补后的数据的分布情况
library(lattice)
xyplot(data,Dream~NonD+Sleep+Span+Gest,pch=21)
图上，插补值是洋红点呈现出的形状，观测值是蓝色点。
densityplot(data)
图上，洋红线是每个插补数据集的数据密度曲线，蓝色是观测值数据的密度曲线。
stripplot(data, pch = 21)
上图中，0代表原始数据，1-5代表5次插补的数据，洋红色的点代表插补值。
下面我们分析对数据拟合一个线性模型：
完整数据：
library(mice)
newdata<-sleep
data<-mice(newdata,m = 5,method='pmm',maxit=100,seed=1)
model<-with(data,lm(Dream~Span+Gest))
pooled<-pool(model)
summary(pooled)
fim指的是各个变量缺失信息的比例，lambda指的是每个变量对缺失数据的贡献大小
缺失数据（在运行中，自动会行删除）：
lm.fit <- lm(Dream~Span+Gest, data = sleep，na.action=na.omit)
summary(lm.fit)
完整数据集和缺失数据集进行线性回归后，参数估计和P值基本一直。 缺失值是完全随机产生的 。如果缺失比重比较大的话，就不适合使用行删除法，建议使用多重插补法。
kNN插值法： knnImputation函数使用k近邻方法来填充缺失值。对于需要插值的记录，基于欧氏距离计算k个和它最近的观测。接着将这k个近邻的数据利用距离逆加权算出填充值，最后用该值替代缺失值。
library(DMwR)
newdata<-sleep
knnOutput <- knnImputation(newdata)
anyNA(knnOutput)
head(knnOutput)
par()函数是R里有关绘图的重要函数之一，以下是对par()函数说明内容的一些整理。描述：par函数用于设定或询问绘图参数。参数设定可通过par(参数名=取值)或par(赋值参数列表)的形式进行。用法：par(,no.readonly=FALSE)函数变量：“参数名=取值”或“赋值参数列表”形式的变量。no.readonly逻辑变量。如=TRUE且没有其他变量，则返回当前绘图设备下已设定好的绘图参数。参数：参数分为三类：一、仅仅用于询问不能被设定的参数：cin，cra，csi，cxy，dim。二、仅能通过par()设定参数：ask，fig，fin，lheight，mai，mar，mex，mfcol，mfrow，mfg，new，oma，omd，omi，pin，plt，ps，pty，usr，xlog，ylog。三、除了par()，也能在其他高级绘图函数中设定的参数。应用中，涉及这三类参数最多的是第三类，最少的是第一类。查看当前参数的赋值用par("参数名")第三类参数：adj调整函数text，mtext，title里文本串的位置。=0：文本串左对齐；=0.5（缺省）：文本串居中；=1：文本串右对齐。ann=FALSE：不进行绘图解释标记（例如横轴标题等）。bg设置绘图区背景色。缺省为bg="transparent"。bty设置绘图边框的形式。="o"（缺省）：四周边框；="l"：左下边框；="7"：右上边框；="c"：上左下边框；="u"：左下右边框；="]"：上右下边框；="n"；无边框。cex设置文本和符合的尺度。缺省为cex=1。cex.axis相对于当前的cex设置，放大坐标标记（坐标轴标记的数字）。缺省为cex.axis=1。cex.lab相对于当前的cex设置，放大坐标轴标题。缺省为cex.lab=1。cex.main相对于当前的cex设置，放大图标题。缺省为cex.main=1。cex.sub相对于当前的cex设置，放大图副标题。缺省为cex.sub=1。col设置绘图颜色。缺省为col="black"。col.axis设置坐标标记颜色。缺省为col.axis="black"。col.lab设置坐标轴标题颜色。缺省为col.lab="black"。col.main设置图标题颜色。缺省为col.main="black"。col.sub设置图副标题颜色。缺省为col.sub="black"。crt缺省为crt=0。err期望的错误报告程度（像该参数目前在R中未生效）。缺省为err=0。family设置文本字体字体族。缺省为family=""。fg设置前景色，主要用于坐标轴，边框，图形等，对坐标标记与坐标轴标题等外围无影响。缺省为fg="black"。font设置文本字体。=1（缺省）：普通字体；=2：粗体；=3：斜体；=4：粗斜体；。font.axis设置坐标标记字体。font.lab设置坐标轴标题字体。font.main设置图标题字体。font.sub设置图副标题字体。lab设置坐标轴刻度数，lab=c(x,y,len)形式，目前len的设置在R中未生效。缺省为lab=c(5,5,7)。las设置坐标标记显示方向。=0（缺省）：平行于坐标轴；=1：平行于x轴；=2：垂直于坐标轴；=3：平行于y轴。lend设置线结束端的形状（只有把线画很粗才能看出来）。=0（缺省）：圆形；=1：“短”方形；=2：“长”方形。ljoin设置线交接处的性质（只有把线画很粗才能看出来）。=0（缺省）：圆角；=1：方角；=2：切方角顶角。lmitre设置ljoin里方角向切方角顶角过渡的程度。缺省为lmitre=10。lty设置线的类型。=0：空白；=1：（缺省）实线；=2：短线虚线；=3：点虚线；=4：短线点虚线；=5：长线虚线；=6：长短线虚线。lwd设置线宽。缺省为lwd=1。mgp设置坐标轴标题，坐标标记和坐标轴边界宽度。mgp[1]影响坐标轴标题，mgp[2,3]影响坐标标记和坐标轴。缺省为mgp=c(3,1,0)。pch设置点的类型。缺省为pch=1。srt逆时针选择字符串，单位为°，只用于text函数。缺省srt=0。tck设置坐标刻度线长与方向（与图宽和高的较小者成比例）。缺省为tck="NA"。tcl设置坐标刻度线长与方向（与文本行高成比例）。缺省为tcl=-0.5。xaxs,yaxs设置坐标轴的范围。="r"（缺省）：先将数据范围向双边扩大4%，然后绘图；="i"：在原始数据范围内绘图。xaxt,yaxt设置坐标轴样式。="s"（缺省）：标准样式；="n"：不绘坐标轴。第二类函数：ask=TRUE：在新图绘制前进行提示。fig设定图在绘图设备中的位置，fig=c(x1,x2,y1,y2)的数值向量（0<=x1
