r语言 - 为因子变量 NA 插补 NA 并将其转换为虚拟变量

Question

我有一个数据框，其中某些变量（列）是阶乘，当我缺少某些记录时（na）。

问题是：

1. 在阶乘变量中替换 pumputa的正确方法是什么？

   例如，具有4个级别{" a"，" b"，" c"，" d"}的V varx-用替换NAS替换NAS的值是什么？A B C D？也许只是0？也许将这种变量观测值的多数归咎于？

2. 如何基于对1的答案？

实施此类插补

3. 一旦解决了1＆amp; 2，我将使用以下来为阶乘变量创建虚拟变量：

   is.fact <- sapply(my_data, is.factor)
   my_data.dummy_vars <- dummy.data.frame(my_data[, is.fact], sep = ".")
   

   之后，如何将my_data中的所有阶乘变量替换为我提取到my_data.dummy_vars的虚拟变量？

我的用例是之后计算主组件（所有变量都需要具有数值，因此虚拟变量）

）

谢谢

Answer 1

感谢您澄清您的意图 - 这确实有帮助！这是我的想法：

1. 推出缺失的数据是一个非平凡的问题，对于交叉验证的优秀人士来说，这是一个很好的问题。这个问题只能由您（主题专家）在项目的上下文中真正解决。一个很大的问题是，是否随机丢失了丢失值，还是作为其他一些变量的函数，以及是否观察到这些变量或未观察到这些变量。如果您得出结论认为它们是其他（观察到的）变量的函数，则甚至可以考虑使用GLM的方法。到目前为止，最简单的方法（如果您没有太多缺少的值）就是要用mydata2 <- mydata[!is.na(TheFactorInQuestion),]之类的内容删除这些行，我会再说一遍，丢失数据的归因是一个不平凡的问题，应该仔细考虑，并且在上下文中。也许一种好的方法是尝试一些插补方法，看看（以及您的推论如何改变）。如果它们不变（太多），您会知道您不必担心。

2. 可以使用相当简单的mydata2 <- mydata[!is.na(TheFactorInQuestion),]进行掉落行。如果您做任何其他形式的插补（从某种意义上说，"构成"数据），我会主张在得出正确的决定之前长期努力地思考这样做。而且，当然可能是。

3. 使用CBIND加入两个数据。Frames非常简单，例如my_data2 <- cbind(my_data, my_data.dummy_vars)。如果您需要使用因子数据删除列，则my_data3 <- my_data2[,-5]如果因素数据在第5列中。

Answer 2

由虚拟变量，您是指零和一个吗？这就是我的结构方式：

# first building a fake data frame
x <- 1:10
y <- as.factor(c("A","A","B","B","C","C",NA,"A","B","C"))
df <- data.frame(x,y)
# creating dummy variables 
df$dummy_A <- 1*(y=="A")
df$dummy_B <- 1*(y=="B")
df$dummy_c <- 1*(y=="C")
# did it work?
df
    x    y dummy_A dummy_B dummy_c
1   1    A       1       0       0
2   2    A       1       0       0
3   3    B       0       1       0
4   4    B       0       1       0
5   5    C       0       0       1
6   6    C       0       0       1
7   7 <NA>      NA      NA      NA
8   8    A       1       0       0
9   9    B       0       1       0
10 10    C       0       0       1