如何预处理数据以处理 R 中的缺失值

Question

我正在尝试在 R 中预处理我的数据，以便我可以使用 “与给定元组属于同一类的所有样本的属性均值”

数据源提供者已为缺失值或超出范围的值赋予了值 -1。但是我想根据上面粗体说明的数据挖掘原则替换那些缺失值。作为我的类决定器的列是“事故严重性”，我想为属于与具有缺失属性值的元组的严重性级别相同的事故严重性级别的所有样本提供属性平均值。

由于有多列缺少值，我想我将不得不一次对所有列重复执行任务。我应该使用什么 r 命令。

我的数据框中主要有两种类型的数据类型（向量）。因子适用于日期和时间列，而整数适用于大多数其他列。

有没有办法可以在堆栈溢出时上传数据集的子集？

这里是可重现数据集https://drive.google.com/file/d/0B3cafW7J7xSfSkRTYWRWMHhaU2c/edit?usp=sharing的链接

更新 2：现在数据集已经存在，请帮助我将任何列中存在“-1”的值更改为具有相同值的所有元组的平均值将“Accident_severity”属性作为具有缺失值的元组..

更新 3：请忽略“X2_roadclass”和“X2_Road_type”列，因为它们大部分是空白的，我将删除它们。谢谢

Answer 1

请看看这是否符合您的需要

library(ggplot2)
library(reshape)
library(plyr)

创建一些数据

   set.seed(1)
    df <- data.frame(severity=rep(c('high', 'moderate', 'low'), each = 3),
                     factor1 = rep(c(1,2,3), each = 6),
                     factor2 = rep(c(4,5,6), times = 3),
                     date=rep(c('2011-01-01','2011-01-03','2011-01-10'),
                           times = 3), stringsAsFactors = F)

有些-1

df$factor2[3] <- -1
df$factor1[1] <- -1

用 NA 替换它们

df[df == -1] <- NA

重塑它

mdf <- melt(df, id.vars= c("severity", 'date'))

总结

ddply(mdf, .(severity, variable), summarise, mean=mean(value, na.rm = T))

  severity variable mean
1     high  factor1  1.6
2     high  factor2  4.8
3      low  factor1  2.5
4      low  factor2  5.0
5 moderate  factor1  2.0
6 moderate  factor2  5.0

有了提供的数据，我会做这样的事情

dt <- read.csv('./Stackoverflow/datatry1.csv')

#head(dt[ , -c(1:3) ]) # Exclude some unwanted colums
mdt <- melt(dt[ , -c(1:3) ], id.vars= c("Accident_Severity", 'Date',
                                        'Day_of_Week', 'Time'))
dts <- ddply(mdt, .(Accident_Severity, variable), summarise,
             mean=mean(value, na.rm = T))
dts

   Accident_Severity                   variable         mean
1                  1         Number_of_Vehicles   1.00000000
2                  1            X1st_Road_Class   3.00000000
3                  1           X1st_Road_Number 503.00000000
4                  1                  Road_Type   6.00000000
5                  1                Speed_limit  30.00000000
6                  1            Junction_Detail   3.00000000
7                  1            X2nd_Road_Class  -1.00000000
...