R ) 결측치 확인 및 처리 NA in r -1

안녕하세요

 

오늘은 결측치 처리에 대해 공부한것을 기록하려고 합니다.

 

결측치를 처리하는 방법은 실제값 채워넣기, 단순대체, NA data제거, 다중대체가 있습니다.

 

data의 column별 결측 비율에 대해 알아보겠습니다.

 

test <- data.frame(col1=sample(x=1:100,size=500,replace = T),
col2=sample(x=1:100,size=500,replace = T),
col3=sample(x=1:100,size=500,replace = T))
sum(is.na(test))
col1na <- sample(x=1:500,size=25,replace = F)
col2na <- sample(x=1:500,size=10,replace = F)
col3na <- sample(x=1:500,size=50,replace = F)
test[col1na,1] <- NA
test[col2na,2] <- NA
test[col3na,3] <- NA
test
sum(is.na(test))

새로운 data frame을 만들고 무작위로 NA값을 넣어주었습니다.

최종적으로 들어있는 NA값이 85개임을 알 수 있습니다.

 

각 column별로 결측치를 알아보겠습니다.

library(purrr)
map_df(.x=test,.f=function(x){
is.na(x) %>% mean()*100
})
map_dbl(.x=test,.f=function(x){
is.na(x) %>% mean()*100
})

위 처럼 column별 결측치의 비율을 볼 수 있습니다.

 

특정 비율이상의 column을 지우고 싶다면 다음과 같이 진행할 수 있습니다.

 

rmcol <- map_dbl(.x=test,.f=function(x){ is.na(x) %>% mean()*100 })
rmcol
test[,!rmcol>=10]

결측치 비율이 10%이상인 column을 지운것입니다.