我有一个包含缺失值的混合数据类型(数字, 字符,因子,序数因子)的大型数据库,而我 尝试创建for循环以替代缺失值 如果使用数字,则使用相应列的平均值,如果使用字符/因子,则使用模式。替换R中缺失值的平均值或模式
这是我到现在为止:
#fake array:
age<- c(5,8,10,12,NA)
a <- factor(c("aa", "bb", NA, "cc", "cc"))
b <- c("banana", "apple", "pear", "grape", NA)
df_test <- data.frame(age=age, a=a, b=b)
df_test$b <- as.character(df_test$b)
for (var in 1:ncol(df_test)) {
if (class(df_test[,var])=="numeric") {
df_test[is.na(df_test[,var]) <- mean(df_test[,var], na.rm = TRUE)
} else if (class(df_test[,var]=="character") {
Mode(df_test$var[is.na(df_test$var)], na.rm = TRUE)
}
}
在哪里“模式”的功能是:
Mode <- function (x, na.rm) {
xtab <- table(x)
xmode <- names(which(xtab == max(xtab)))
if (length(xmode) > 1)
xmode <- ">1 mode"
return(xmode)
}
它似乎它只是忽略了声明虽然没有给 任何错误... 我也试图用索引工作的第一部分:
## create an index of missing values
index <- which(is.na(df_test)[,1], arr.ind = TRUE)
## calculate the row means and "duplicate" them to assign to appropriate cells
df_test[index] <- colMeans(df_test, na.rm = TRUE) [index["column",]]
但是我得到这个错误:“colMeans错误(df_test,na.rm = TRUE):'x'必须是数字”
有没有人有任何想法如何解决这个问题?
非常感谢您的帮助! -f
请声明交叉帖子 – mdsumner
此代码有几个语法错误使其无法运行。 – joran