R语言-均值填充缺失值

Python024

R语言-均值填充缺失值,第1张

在基因芯片数据或其他类型数据中，采用计算所有样本的平均值从而进行填充，如果需要用中位数或其他统计量填充时只需修改相应的方法即可

#1. 检查是否有缺失值

which(is.na(mRNA),arr.ind = T)

#2. 计算行均值并填充

#该数据中探针（基因）为行（名），样本为列（名），（数据框内容为表达量数据值型数据数据）格式可见文章最后

row_mean <- apply(mRNA,1,mean,na.rm =T) #1是行，2是列，若用其他方法修改mean即可

mRNA$MEAN <- row_mean

ncol = 样本数

for (i in 1:nrow(mRNA)) {

  mRNA[i,is.na(mRNA[i,])] <- mRNA[i,ncol]

}

当我们在数据集中缺少值时，重要的是考虑为什么它们会丢失以及它们对分析的影响。有时忽略丢失的数据会降低功耗，但更重要的是，有时它会使答案有偏差，并有可能误导错误的结论。因此，重要的是要考虑丢失的数据机制是什么，以便对其进行处理。 Rubin（1976）区分了三种类型的误报机制：

不是连续的时间系列数据处理r语言：

处理数据时常常遇到时间有断开的数据，在与模型做数据的横向对比时需要一致的scale，需要补齐时间。解决方法：创建一个时间连续的df与非连续df融合。