10、数据处理与可视化：缺失值插补、网页数据解析及群组平衡

数据处理与可视化：缺失值插补、网页数据解析及群组平衡

1. 数据缺失值情况概述

在数据集中，我们可以看到一些关于数据状态的基本统计信息：
|状态|数量|
| ---- | ---- |
|FALSE|28|
|TRUE|18|
|NA’s|0|

还有一些变量的基本统计描述，例如：
|变量|最小值|第一四分位数|中位数|均值|第三四分位数|最大值|
| ---- | ---- | ---- | ---- | ---- | ---- | ---- |
|id|1.00|12.25|23.50|23.50|34.75|46.00|
|age|16.00|23.00|33.00|36.89|47.25|83.00|

性别分布为女性 9 人，男性 37 人。伤害机制包括 Bike_vs_Auto（4 例）、Blunt（4 例）、Fall（13 例）、GSW（2 例）、MCA（7 例）、MVA（10 例）、Peds_vs_Auto（6 例）等。

2. 缺失数据类型

2.1 完全随机缺失（MCAR）

数据完全随机缺失意味着缺失的观测没有系统性规律，缺失情况与观测到的或未观测到的协变量都没有关系。

2.2 随机缺失（MAR）

随机缺失比完全随机缺失的条件稍弱。缺失仍然是随机的，但仅由观测到的变量引起。例如，社会经济地位较低的人可能不太愿意提供薪资信息，但我们知道他们的社会经济地位。关键在于缺失不是由于未观测到的值导致的。完全随机缺失意味着随机缺失，但反之不成立。

2.3 非随