用R语言来实现完整数据集不同比例的缺失（完全随机缺失）

 

为了验证自己填补算法的好坏，一般采用完整数据集进行人为缺失，缺失机制为完全随机缺失（Missing Completely At Random, MCAR），我们可以按照不同的比例，设定缺失率为5%，10%，15%，... ，50%等。

R语言中，simFrame包可以直接对数据进行缺失处理。

一个数据集如下所示，为csv文件，这里我在第一行加上了label序号。

对该数据进行不同比例的缺失。

R语言操作如下：

1. 导入simFrame包

> library(simFrame)

当然前一步还是要先下载simFrame包  install.packages("simFrame")

2. 读取你的完整数据集（csv文件）

> data<-read.csv("D://statlog.csv",sep=",") 
> dataFrame<-as.data.frame(data)

这里，dataFrame存放的就是你的标准数据集

3. 设置缺失率并将数据集缺失处理。

> nac<-NAControl(NArate=0.1)
> x<-setNA(dataFrame,nac)

我设置的缺失率为10%，可以自己调整。

4. 将有缺失的数据集输出保存为csv文件

> write.table(x,file="D:\\statlog5.csv",sep=