我想知道为什么 R 的插入符号包中的 preProcess 函数用于插补数据集的缺失值，返回的观察结果比原始数据集中的少？
例如：
library(caret)
t <- data.frame(seq_len(100000),seq_len(100000))
for (i in 1:100000)
{
if (i %% 10 == 0) t[i,1] <- NA;
if (i %% 100 == 0) t[i,2] <- NA
}
preProcValues <- preProcess(t, method = c("knnImpute"))
preProcValues 将仅包含 2 个变量的 90000 个观察值，而预期为 100000 个。
【问题讨论】：
来自文档：
函数
preProcess估计每个所需的参数 操作和predict.preProcess用于将它们应用于特定的 数据集。
这里，preProcValues 不是插补后的t，它包含使用predict.preProcess 对t 执行插补所需的参数。
您应该不期待preProcValues中的100K观察
提示：查看source code 以了解NA 值的幕后情况
使用您的示例（修改为使用 method = "medianImpute" - 请参阅此 question（以及上述源代码），了解您尝试执行的操作为何不适用于“knnImpute”）
preProcValues <- preProcess(t, method = "medianImpute")
> preProcValues$dim[1]
#[1] 90000
这里我们将t 中的NA 值替换为中位数（50K）
t2 <- predict(preProcValues, t)
> dim(t2)[1]
#[1] 100000
【讨论】：
preProcess 不返回值，它只是根据提供的数据建立整个预处理模型。因此，您需要运行 predict（还需要 RANN 包），但即使您使用人工数据执行此操作，也会出现错误：
Error in FUN(newX[, i], ...) :
cannot impute when all predictors are missing in the new data point
因为 k-nn 插补不能在 both 您的预测变量均为 NA 的行中起作用。
这是一个只有 20 行的演示，为了清晰和易于检查：
library(caret)
t <- data.frame(seq_len(20),seq_len(20))
for (i in 1:20)
{
if (i %% 3 == 0) t[i,1] <- NA;
if (i %% 7 == 0) t[i,2] <- NA
}
names(t) <- c('V1', 'V2')
preProcValues <- preProcess(t, method = c("knnImpute"))
library(RANN)
t_imp <- predict(preProcValues, t)
查看结果时，请记住方法 "center", "scale" 已自动添加到您的预处理中，即使您没有显式调用它们：
> str(preProcValues)
List of 19
$ call : language preProcess.default(x = t, method = c("knnImpute"))
$ dim : int [1:2] 12 2
$ bc : NULL
$ yj : NULL
$ et : NULL
$ mean : Named num [1:2] 10.5 10.5
..- attr(*, "names")= chr [1:2] "V1" "V2"
$ std : Named num [1:2] 6.25 6.14
..- attr(*, "names")= chr [1:2] "V1" "V2"
$ ranges : NULL
$ rotation : NULL
$ method : chr [1:3] "knnImpute" "scale" "center"
$ thresh : num 0.95
$ pcaComp : NULL
$ numComp : NULL
$ ica : NULL
$ k : num 5
$ knnSummary:function (x, ...)
$ bagImp : NULL
$ median : NULL
$ data : num [1:12, 1:2] -1.434 -1.283 -0.981 -0.83 -0.377 ...
..- attr(*, "dimnames")=List of 2
.. ..$ : chr [1:12] "1" "2" "4" "5" ...
.. ..$ : chr [1:2] "V1" "V2"
..- attr(*, "scaled:center")= Named num [1:2] 10.5 10.5
.. ..- attr(*, "names")= chr [1:2] "V1" "V2"
..- attr(*, "scaled:scale")= Named num [1:2] 6.63 6.63
.. ..- attr(*, "names")= chr [1:2] "V1" "V2"
- attr(*, "class")= chr "preProcess"
【讨论】：