13、R语言数据处理：缺失值、数据录入与导入全解析

R语言数据处理：缺失值、数据录入与导入全解析

1. 缺失值处理

在数据研究过程中，即便我们努力收集完整的数据集，但缺失数据的情况仍时有发生。缺失数据的产生原因多种多样，比如在长问卷中，参与者可能会不小心遗漏问题，甚至故意不回答；实验过程中的机械故障可能导致数据未被记录；对于一些敏感话题的研究，参与者也可能选择不回答问题。

不过，我们不必因为部分数据缺失就舍弃已有的数据，尽管这有时会给统计分析带来困难。在R语言中，我们需要用特定的代码来表示某一数据点缺失。这里使用的代码是 NA （大写），它代表“不可用”。

例如，假设参与者3和10未完成神经质问卷，我们在创建变量时可以这样记录他们的缺失数据：

neurotic<-c(10,17,NA,13,21,7,13,9,14,NA)

需要注意的是，如果数据中存在缺失值，有时我们需要告知R语言中的函数忽略这些缺失值。许多函数都包含处理缺失值的命令，例如 na.rm = TRUE ，它表示在进行计算之前移除 NA 值。以 mean() 函数为例，它用于返回变量的均值：

mean(metallica$childAge)

上述代码会计算Metallica乐队成员长子的平均年龄。但如果数据中存在缺失值，我们可以加入 na.rm = TRUE 命令，让R语言在计算均值前忽略这些缺失值