缺失值的處理有3種：不處理（做建模鐵定不選）梧兼，刪除(可以考慮)，數(shù)據(jù)補差（99%的同僚選擇）
而補差的方式主要用下面的5類智听，重點是第五個羽杰，插值法
1. 補插均值/中位數(shù)/眾數(shù)
2. 使用固定值 .
3. 最近鄰補插
4. 回歸方法
5. 插值法
插值法又包含好多種：（1）拉格朗日插值法（最容易看的懂的，用的人較多到推，用錯的也多）（2）牛頓插值法（3）Hermite插值 （4）分段插值 （5）樣條插值 （后三種相對用的較少）
（1）拉格朗日插值法（劃重點）
其原理百度就是構建一個多項式考赛，這個多項式很厲害，假如說我們的數(shù)據(jù)是城市里的銀行位置坐標莉测，那這個多項式就是一條過所有銀行的公路颜骤，所以，當我們要問50km外的銀行在哪兒時捣卤，我們順著這條路算就可以算出來忍抽。當然，算出來的坐標只是一個近似值董朝。（當給出的已知銀行坐標點越多梯找，近似誤差越小）益涧。
關于拉格朗日多項式的構建原理锈锤，這里不說了，百度各種解釋，這里只說一下它的優(yōu)缺點：優(yōu)點就是過程簡單久免，很容易找到插值浅辙，而且還是唯一的。缺點也明顯阎姥，就是當已知的點很多時候记舆，階數(shù)也會很高，所以不適合插那些百十來個數(shù)據(jù)點的題呼巴。處理十來個的還是很好的泽腮。（我個人建議還是用牛頓）
（2）牛頓插值法8
相比較與拉格朗日，其優(yōu)點是當新增加插值點時衣赶，得到的擬合函數(shù)變化不大诊赊。其原理解釋還是看百度或者找老師問吧，我的理解就是從第一個插值點開始修路府瞄，每修到一個銀行就進行一次校正（高階差商我的理解）碧磅，然后這樣的話插未知點就準一點。所以用的比較多吧也遵馆。

舉例1：向量類型判斷缺失值is.na和缺失值的填補which

(x<-c(1,2,3,NA))

is.na(x) #返回一個邏輯向量鲸郊，TRUE為缺失值，F(xiàn)ALSE為非缺失值

table(is.na(x)) #統(tǒng)計分類個數(shù)

sum(x) #當向量存在缺失值的時候統(tǒng)計結果也是缺失值

sum(x,na.rm = TRUE) #很多函數(shù)里都有na.rm=TRUE參數(shù)货邓，此參數(shù)可以在運算時移除缺失值

(x[which(is.na(x))]<-0) #可以用which()函數(shù)代替缺失值秆撮，which()函數(shù)返回符合條件的響應位置

舉例2：數(shù)據(jù)框類型判斷缺失值is.na、缺失值的填補which换况、缺失值所在行的刪除na.omit

(test<-data.frame(x=c(1,2,3,4,NA),y=c(6,7,NA,8,9)))

is.na(test) #test中空值的判斷

which(is.na(test),arr.ind = T) #arr.ind=T可以返回缺失值的相應行列坐標

test[which(is.na(test),arr.ind = T)]<-0 #結合which進行缺失替代

(test_omit<-na.omit(data.frame(x=c(1,2,3,4,NA),y=c(6,7,NA,8,9)))) #na.omit函數(shù)可以直接刪除值所在的行

舉例3：識別缺失值的基本語法匯總

str(airquality)

complete.cases(airquality) #判斷個案是否有缺失值

airquality[complete.cases(airquality),] #列出沒有缺失值的行

nrow(airquality[complete.cases(airquality),]) #計算沒有缺失值的樣本量

airquality[!complete.cases(airquality),] #列出有缺失的值的行

nrow(airquality[!complete.cases(airquality),]) #計算有缺失值的樣本量

is.na(airquality$Ozone) #TRUE為缺失值职辨，F(xiàn)ALSE為非缺失值

table(is.na(airquality$Ozone))

complete.cases(airquality$Ozone) #FALSE為缺失值，TRUE為非缺失值

table(complete.cases(airquality$Ozone))

可用sum()和mean()函數(shù)來獲取關于缺失數(shù)據(jù)的有用信息

sum(is.na(airquality$Ozone)) #查看缺失值的個數(shù)

sum(complete.cases(airquality$Ozone)) #查看沒有缺失值的個數(shù)

mean(is.na(airquality$Ozone)) #查看缺失值的占比

mean(is.na(airquality)) #查看數(shù)據(jù)集airquality中樣本有缺失值的占比

舉例4：探索缺失值模式

列表缺失值探索

library(mice)

md.pattern(airquality)

圖形缺失值探索

library(VIM)

aggr(airquality,prop=FALSE,number=TRUE)

aggr(airquality,prop=TRUE,number=TRUE) #生成相同的圖形复隆，但用比例代替了計數(shù)

aggr(airquality,prop=FALSE,number=FALSE) #選項numbers = FALSE（默認）刪去數(shù)值型標簽

舉例5：刪除缺失值

airquality[complete.cases(airquality),] #方法一：刪除缺失值行

na.omit(airquality) #方法二：刪除缺失值的行

舉例6：缺失值回歸模型插補

newnhanes2<-nhanes2

sub<-which(is.na(newnhanes2[,4])) #返回newnhanes2數(shù)據(jù)集中第4列NA的行標識

datatr<-newnhanes2[-sub,] #方法一：將第4列不為NA的數(shù)存入數(shù)據(jù)集datatr中

datatr<-newnhanes2[complete.cases(newnhanes2[,4]),] #方法二：將第4列不為NA的數(shù)存入數(shù)據(jù)集datatr中

datate<-newnhanes2[sub,] #方法一：將第4列為NA的數(shù)存入數(shù)據(jù)集datate中

datate<-newnhanes2[is.na(newnhanes2[,4]),] #方法二：將第4列為NA的數(shù)存入數(shù)據(jù)集datate中

fit<-lm(chl~age,data = datatr) #利用datatr中age為自變量拨匆，chl為因變量構建線性回歸模型lm

newnhanes2[sub,4]<-round(predict(fit,datate)) #利用datate中數(shù)據(jù)按照模型fit對nhanes2中chl中的缺失數(shù)據(jù)進行預測

舉例7：缺失值隨機森林插補

library(missForest)

z<-missForest(airquality) #用隨機森林迭代彌補缺失值

air.full<-z$ximp

zz<-missForest(nhanes2)

nhanes2.full<-zz$ximp

舉例8：線性回歸模型插補

mice::md.pattern(airquality)

index1<-is.na(airquality$Ozone) #對Ozone變量進行缺失值處理

dput(colnames(airquality)) #求出變量列名稱

Ozone_train<-airquality[!index1,c("Ozone", "Wind", "Temp", "Month", "Day")] #訓練集，需注意什么時候用!,什么時候用-

Ozone_test<-airquality[index1,c("Ozone", "Wind", "Temp", "Month", "Day")] #測試集

fit<-lm(Ozone~.,data = Ozone_train) #建立線性回歸模型

summary(fit)

airquality[index1,"Ozone"]<-predict(fit,newdata =Ozone_test )

index2<-is.na(airquality$Solar.R) #Solar.R變量進行缺失值處理,Ozone變量數(shù)據(jù)已補齊

Solar.R_train<-airquality[!index2,] #訓練集

Solar.R_test<-airquality[index2,] #測試集

Solar.R_fit<-lm(Solar.R~.,data = Solar.R_train)

summary(Solar.R_fit)

airquality[index2,"Solar.R"]<-predict(Solar.R_fit,newdata = Solar.R_test)

mice::md.pattern(airquality)

舉例：knn和bag缺失值插補(利用caret包中的preProcess函數(shù)挽拂，method參數(shù)有多種方式可選)

question<-read.csv("問卷調(diào)研數(shù)據(jù).csv")

question<-question[,-1]

str(question)

for(i in 1:ncol(question)){

question[,i]<-as.factor(question[,i])

} #批量修改為因子類型

str(question)

舉例9：利用KNN算法進行缺失值插補(只能對數(shù)值型變量處理)

question<-read.csv("問卷調(diào)研數(shù)據(jù).csv")

question<-question[,-1]

mice::md.pattern(question) #列表缺失值探索

library(caret)

knn.model<-preProcess(question,method = "knnImpute") #KNN處理數(shù)值型數(shù)據(jù)(歐式距離),不能處理因子型數(shù)據(jù)

question1<-predict(knn.model,newdata = question)

install.packages("RANN")

mice::md.pattern(question1)

table(question1$性別) #不是之前的1和2了

table(question$性別)

最后結果：knn不適合處理該數(shù)據(jù)惭每，需要做啞變量處理，再套模型

舉例10：利用袋裝算法進行缺失值插補(只能對數(shù)值型變量處理)

question<-read.csv("問卷調(diào)研數(shù)據(jù).csv")

question<-question[,-1]

mice::md.pattern(question) #列表缺失值探索

library(caret)

bag.model<-preProcess(question,method = "bagImpute") #bag算法模型建立

install.packages("ipred")

question2<-predict(bag.model,question) #預測結果

mice::md.pattern(question2) #列表缺失值探索

table(question2$性別)

最后結果：bag算法不適合處理該數(shù)據(jù)