缺失数据与缺失值
由于各种原因，数据集中不可避免的将出现缺失数据，在统计学中有专门处理缺失值的方法
缺失数据在 R 中一般为 NA
处理缺失值
以下介绍几种处理缺失值的方法
直接删掉
有时可以直接删掉缺失值，很简单。
值得注意的，最好按行进行删除，因为行代表观测（样本），数据缺失时只是样本应当删去，而不是变量，也就是列，应该被删去
删除所有含 NA 的行
na.omit(sleep)插值法
插值法（impute）就是用其他值计算得到的统计量（均值、分位数等）代替缺失值
总之，就是使用计算的方法填补缺失值，并尽可能使填补的值接近真实值
例如，使用 k 近邻插补法
sleep_imputed <- kNN(sleep)VIM 包
VIM 包是用于处理缺失数据集的工具包，介绍几个较为核心的功能
缺失值可视化
先对缺失值进行整合（aggregate）后可作图可视化缺失值
a <- aggr(sleep, plot = F) #输出文字统计
a <- aggr(sleep) #直接作图