处理缺失值
内容提要
文章介绍R语言处理缺失值：用is.na识别NA，summary和VIM包探索缺失模式；处理方法包括删除（na.omit、complete.cases）、均值等替换，以及mice包多重插补，后者效果更优。
延伸解读
缺失值处理前的关键探索步骤
在决定如何处理缺失值之前，文章强调先探索缺失模式至关重要。通过summary()可快速查看各变量缺失数量，而VIM包的aggr()函数能可视化缺失值的组合模式，例如显示97个样本完全无缺失，9个样本仅物种缺失。这种探索有助于判断缺失是随机还是系统性，从而选择更合适的处理方法，避免盲目删除或填充导致偏差。
删除与均值填充的局限性
文章通过实例展示了删除和均值填充的不足。删除缺失值后，150个样本仅剩97个，损失大量信息。均值填充虽简单，但平均偏差虽小于1%，最大偏差却可达±25%，说明填充值可能严重偏离真实值，尤其对极端值影响大。因此，这两种方法仅适用于缺失极少且随机的情况，否则可能引入偏差。
多重插补的优势与实现要点
多重插补通过统计模型迭代预测缺失值，效果更优。文章使用mice包，基于变量类型选择预测模型（如数值变量用pmm，分类变量用logreg等），默认生成5组插补值。以iris数据为例，多重插补后平均偏差小于0.1%，最大偏差约±13%，明显优于均值填充；对分类变量Species的插补准确率达100%。但需注意，mice假设数据随机缺失，且需检查插补合理性。
Q&A
在R语言中，如何识别数据中的缺失值？
在R中，缺失值用NA表示，可以使用is.na()函数识别缺失值，返回逻辑值TRUE或FALSE。对于大量数据，可以用table(is.na(x))统计缺失值数量。
R语言中处理缺失值有哪些常用方法？
常用方法包括：删除（使用na.omit()或complete.cases()）、替换（用均值、中位数、众数等替换）、插补（基于统计模型推断，如mice包的多重插补）。
如何用R探索数据框中的缺失值模式？
可以使用summary()函数查看每个变量的缺失数量，或使用VIM包的aggr()函数进行可视化，展示各变量缺失数量及多变量组合下的缺失模式。
R语言中删除缺失值的函数na.omit()和complete.cases()有什么区别？
na.omit()直接删除含有缺失值的行，返回删除后的数据框；complete.cases()返回逻辑向量，标识哪些行完整，可用于索引提取完整行。两者效果类似，但complete.cases()更灵活。
什么是多重插补？在R中如何实现？
多重插补是基于重复模拟处理缺失值的方法，常用mice包实现。mice()函数通过链式方程生成多组插补值，默认5组，可选用其中一组完成数据。
用均值替换缺失值和多重插补哪个效果更好？
根据文章示例，多重插补效果更优。均值替换的平均偏差小于1%，最大偏差约±25%；而多重插补的平均偏差小于0.1%，最大偏差约±13%。
