网站开发 在线报名,北京seo执行,什么编程软件最好,wordpress用户名的要求实验5#xff1a;数据预处理#xff08;1#xff09; 一#xff1a;实验目的与要求
1#xff1a;熟悉和掌握数据预处理#xff0c;学习数据清洗、数据集成、数据变换、数据规约、R语言中主要数据预处理函数。 二#xff1a;实验内容
【缺失值分析】
第一步#xff1…实验5数据预处理1 一实验目的与要求
1熟悉和掌握数据预处理学习数据清洗、数据集成、数据变换、数据规约、R语言中主要数据预处理函数。 二实验内容
【缺失值分析】
第一步构建数据框 score - data.frame(student c(A,B,C,D), gender c(M,M,F,F), math c(90,70,80,60), Eng c(88,78,69,98), p1 c(66,59,NA,88)) score 第二步检测缺失值是否存在 is.na(score) 第三步判断数据中是否存在缺失值 anyNA(score) 第四步判断哪行有缺失值 complete.cases(score) 第五步删除存在缺失值的行 score[complete.cases(score),] 第六步删除数据框中所有带缺失值的行 na.omit(score) 三课堂练习
【练习1】PPT-07第13页——缺失值处理均值替换、回归差补法、多重插值法
第一步读取销售数据文件提取标题行 (inputfile - read.csv(catering_sale.csv, header TRUE, fileEncodingGB2312)) 完整运行结果 日期 销量 1 2015/3/1 51.00 2 2015/2/28 2618.20 3 2015/2/27 2608.40 4 2015/2/26 2651.90 5 2015/2/25 3442.10 6 2015/2/24 3393.10 7 2015/2/23 3136.60 8 2015/2/22 3744.10 9 2015/2/21 6607.40 10 2015/2/20 4060.30 11 2015/2/19 3614.70 12 2015/2/18 3295.50 13 2015/2/16 2332.10 14 2015/2/15 2699.30 15 2015/2/14 NA 16 2015/2/13 3036.80 17 2015/2/12 865.00 18 2015/2/11 3014.30 19 2015/2/10 2742.80 20 2015/2/9 2173.50 21 2015/2/8 3161.80 22 2015/2/7 3023.80 23 2015/2/6 2998.10 24 2015/2/5 2805.90 25 2015/2/4 2383.40 26 2015/2/3 2620.20 27 2015/2/2 2600.00 28 2015/2/1 2358.60 29 2015/1/31 2682.20 30 2015/1/30 2766.80 31 2015/1/29 2618.80 32 2015/1/28 2714.30 33 2015/1/27 2280.80 34 2015/1/26 2414.00 35 2015/1/25 3130.60 36 2015/1/24 2716.90 37 2015/1/23 2930.80 38 2015/1/22 2504.90 39 2015/1/21 2559.50 40 2015/1/20 2168.60 41 2015/1/19 2436.40 42 2015/1/18 3234.30 43 2015/1/17 3061.00 44 2015/1/16 2900.10 45 2015/1/15 2646.80 46 2015/1/14 2615.20 47 2015/1/13 2124.40 48 2015/1/12 1958.00 49 2015/1/8 2259.10 50 2015/1/7 2419.80 51 2015/1/6 2775.00 52 2015/1/5 2594.90 53 2015/1/4 2468.30 54 2015/1/3 3004.30 55 2015/1/2 3313.30 56 2015/1/1 3613.60 57 2014/12/31 2655.90 58 2014/12/30 2644.30 59 2014/12/29 2565.30 60 2014/12/27 2525.90 61 2014/12/26 2778.00 62 2014/12/25 2542.10 63 2014/12/24 2473.30 64 2014/12/23 2240.10 65 2014/12/22 2575.00 66 2014/12/21 3802.80 67 2014/12/18 2274.70 68 2014/12/17 2687.20 69 2014/12/16 2577.80 70 2014/12/15 2583.00 71 2014/12/14 3282.60 72 2014/12/13 3113.70 73 2014/12/12 2661.40 74 2014/12/11 2553.20 75 2014/12/10 2511.30 76 2014/12/9 2710.30 77 2014/12/8 2468.10 78 2014/12/7 3041.50 79 2014/12/6 3178.90 80 2014/12/5 2594.40 81 2014/12/4 2381.10 82 2014/12/3 2415.00 83 2014/12/2 2236.40 84 2014/11/30 3207.20 85 2014/11/29 3059.50 86 2014/11/28 3039.10 87 2014/11/26 2817.50 88 2014/11/25 2891.80 89 2014/11/24 2470.10 90 2014/11/23 3556.60 91 2014/11/22 3397.70 92 2014/11/20 2761.60 93 2014/11/19 2618.20 94 2014/11/18 2758.30 95 2014/11/17 2614.30 96 2014/11/16 3437.10 97 2014/11/15 3250.00 98 2014/11/14 3063.70 99 2014/11/13 2839.20 100 2014/11/12 2360.90 101 2014/11/11 2158.50 102 2014/11/10 2005.50 103 2014/11/9 3236.40 104 2014/11/8 22.00 105 2014/11/7 2452.60 106 2014/11/6 2265.00 107 2014/11/5 2566.10 108 2014/11/4 2527.20 109 2014/11/3 2326.50 110 2014/11/2 2941.90 111 2014/11/1 60.00 112 2014/10/31 2520.90 113 2014/10/30 2446.20 114 2014/10/29 2549.40 115 2014/10/28 2449.30 116 2014/10/27 2162.50 117 2014/10/26 2781.30 118 2014/10/25 3060.60 119 2014/10/24 2064.00 120 2014/10/22 2439.70 121 2014/10/21 2476.20 122 2014/10/20 2478.30 123 2014/10/19 2826.20 124 2014/10/18 2924.80 125 2014/10/17 2417.50 126 2014/10/16 2450.10 127 2014/10/15 2533.00 128 2014/10/14 2238.70 129 2014/10/13 2388.80 130 2014/10/12 3291.30 131 2014/10/11 2738.80 132 2014/10/10 2344.10 133 2014/10/9 2068.80 134 2014/10/8 3185.30 135 2014/10/7 2778.60 136 2014/10/6 2921.10 137 2014/10/5 2524.30 138 2014/10/4 3057.10 139 2014/10/3 3039.60 140 2014/10/2 3193.40 141 2014/10/1 3075.40 142 2014/9/30 2847.60 143 2014/9/29 2311.40 144 2014/9/28 2327.30 145 2014/9/27 9106.44 146 2014/9/26 2616.60 147 2014/9/25 2620.20 148 2014/9/24 2616.40 149 2014/9/23 2655.80 150 2014/9/22 2310.70 151 2014/9/21 2935.80 152 2014/9/20 3017.90 153 2014/9/19 2625.50 154 2014/9/18 2752.70 155 2014/9/17 2181.50 156 2014/9/16 2440.50 157 2014/9/15 2422.80 158 2014/9/14 2583.60 159 2014/9/13 2728.90 160 2014/9/12 2525.30 161 2014/9/11 2531.70 162 2014/9/10 2300.50 163 2014/9/9 2097.50 164 2014/9/8 4065.20 165 2014/9/7 3555.20 166 2014/9/6 3462.50 167 2014/9/5 3033.10 168 2014/9/4 2926.10 169 2014/9/3 2431.40 170 2014/9/2 2706.00 171 2014/9/1 3049.90 172 2014/8/31 3494.70 173 2014/8/30 3691.90 174 2014/8/29 2929.50 175 2014/8/28 2760.60 176 2014/8/27 2593.70 177 2014/8/26 2884.40 178 2014/8/25 2591.30 179 2014/8/24 3022.60 180 2014/8/23 3052.10 181 2014/8/22 2789.20 182 2014/8/21 2909.80 183 2014/8/20 2326.80 184 2014/8/19 2453.10 185 2014/8/18 2351.20 186 2014/8/17 3279.10 187 2014/8/16 3381.90 188 2014/8/15 2988.10 189 2014/8/14 2577.70 190 2014/8/13 2332.30 191 2014/8/12 2518.60 192 2014/8/11 2697.50 193 2014/8/10 3244.70 194 2014/8/9 3346.70 195 2014/8/8 2900.60 196 2014/8/7 2759.10 197 2014/8/6 2915.80 198 2014/8/5 2618.10 199 2014/8/4 2993.00 200 2014/8/3 3436.40 201 2014/8/2 2261.70 第二步变换变量名 inputfile - data.frame(sales inputfile$销量, date inputfile$日期) inputfile 第三步数据截取 inputfile - inputfile[5:16, ] inputfile 第四步缺失数据的识别 is.na(inputfile) # 判断是否存在缺失 n - sum(is.na(inputfile)) # 输出缺失值个数 n 第五步异常值识别 par(mfrow c(1, 2)) # 将绘图窗口划为1行两列同时显示两图 dotchart(inputfile$sales) # 绘制单变量散点图 boxplot(inputfile$sales, horizontal TRUE) # 绘制水平箱形图 第六步异常数据处理 inputfile$sales[5] NA # 将异常值处理成缺失值 fix(inputfile) # 表格形式呈现数据 第七步缺失值的处理 inputfile$date - as.numeric(inputfile$date) # 将日期转换成数值型变量 sub - which(is.na(inputfile$sales)) # 识别缺失值所在行数 inputfile1 - inputfile[-sub, ] # 将数据集分成完整数据和缺失数据两部分 inputfile2 - inputfile[sub, ] sub inputfile1 inputfile2 第八步行删除法处理缺失结果转存 result1 - inputfile1 result1 第九步均值替换法处理缺失结果转存 avg_sales - mean(inputfile1$sales) # 求变量未缺失部分的均值 inputfile2$sales - rep(avg_sales,n) # 用均值替换缺失 result2 - rbind(inputfile1, inputfile2) # 并入完成插补的数据 result2 第十步回归插补法处理缺失结果转存 model - lm(sales ~ date, data inputfile1) # 回归模型拟合 inputfile2$sales - predict(model, inputfile2) # 模型预测 result3 - rbind(inputfile1, inputfile2) result3 第十一步多重插补法处理缺失结果转存 install.packages(lattice) install.packages(MASS) install.packages(nnet) install.packages(mice) install.packages(tidyr) install.packages(foreach) install.packages(shape) install.packages(mitml) install.packages(lme4) library(lattice) library(MASS) library(nnet) library(mice) imp - mice(inputfile, m 4) # 4重插补即生成4个无缺失数据集 fit - with(imp,lm(sales ~ date, data inputfile)) # 选择插补模型 pooled - pool(fit) summary(pooled) result4 - complete(imp, action 3) # 选择第三个插补数据集作为结果 result4 四实验知识点总结
1处理缺失值的方法可分为三类删除记录、数据插补和不处理。
2插值方法有Hermite插值、分段插值、样条插值法而最主要的有拉格朗日插值法、牛顿插值法。 五遇到的问题和解决方法
问题1PPT中第6页开始的练习内容没有给出具体的数据。
解决1在CSDN中查询到有博客存有该练习的数据框。链接如下R语言 清洗数据_1.创建数据框数据,自定义数据,检查数据是否有缺失值、异常值,对数据进行清洗 r语-CSDN博客
问题2练习1中的【回归插补法处理缺失结果转存】无法正确运行会出现以下报错。 解决2重新运行一遍之前的代码发现问题出在第一次将日期转换成数值型变量如下图所示。 如果采用上面的代码运行得到的inputfile1和inputfile2如下图所示date处全为NA。 此时需要在这段代码之前加上【inputfile$date - as.Date(inputfile$date, format %Y/%m/%d)】并且重新运行一遍之前的所有代码再进行之后的操作。得到的新的inputfile1和inputfile2如下图所示。 问题3练习1中利用多重插补法处理缺失时mice依赖包加载时不断报错如下图所示。 解决3此时需要根据提示自己再进行依赖包的安装直至加载mice包时不会出错如下图所示。
