如何处理R中for循环中的缺失数据（NA）

我试图计算观察和模拟数据的卡方误差，并使用贝叶斯推理评估模型拟合。观察到的数据集包含缺少的（“NA”）值。但是，模拟值不存在缺失值。因此，我无法比较它们之间的差异统计数据

下面给出的代码是一个示例，与我的工作类似：

p <- array(runif(3000*195*6, 0, 1), c(3000, 195, 6))
N <- array(rpois(3000*195, 10), c(3000, 195))
y <- array(0, c(195, 6))
for(j in 1:195){
  for(k in 1:6){
    y[j,k] <- (rbinom(1, N[j], p[1,j,k]))
  }
}

foo <- runif(50, 1, 195)
bar <- runif(50, 1, 6)
for(i in 1:50){
  y[foo[i], bar[i]] <- NA
}

谢谢，

---

Dan

您可以在内部循环中添加一个测试，并更改循环的顺序，如下所示：

...
for(j in 1:195){
   for(k in 1:6){
      if ( !is.na(y(j,k)) ) {
         for(i in 1:3000){
             ...
         }
      }
   }
}
...

为了提高效率，将内部循环矢量化（如上面的注释所述）

---

还可以定义与表示定义位置子集的

y

尺寸相同的逻辑数组，例如，

subset您可以在内部循环中添加测试，并按如下方式更改循环顺序：

...
for(j in 1:195){
   for(k in 1:6){
      if ( !is.na(y(j,k)) ) {
         for(i in 1:3000){
             ...
         }
      }
   }
}
...

为了提高效率，将内部循环矢量化（如上面的注释所述）

也可以定义与表示定义位置子集的
y
尺寸相同的逻辑数组，例如
y中的
子集。新[j，k]
行，您是否有意仅指
N[1:195]
（即N的第一列的前195行）？类似地，对于
p
，您只参考第1:195行（共3000行）和第1至第6列（共195列）。Oops是在早期版本中调整内容时留下的。现在对其进行了更新，以反映适当的[i，j，k]。谢谢。你的东西可以矢量化。要计算
eval
和
E
，您应该能够使用
eval，然后，如果您想要识别那些
NA
的元素，以便在其他矩阵中也将它们设置为
NA
，请尝试@jbaums正确指示的
y.new[is.NA（y）]，
is.na
是您需要使用
na
s查找或执行逻辑操作的函数。关于那些
NA
s的查找，如果您想这样做，可以使用
which（is.NA（y），arr.ind=TRUE）
。这样，您将获得
y
中
NA
值的行数和列数。在
y.new[j，k]
行中，您是否有意仅指
N[1:195]
（即N的第一列的前195行）？类似地，对于
p
，您只参考第1:195行（共3000行）和第1至第6列（共195列）。Oops是在早期版本中调整内容时留下的。现在对其进行了更新，以反映适当的[i，j，k]。谢谢。你的东西可以矢量化。要计算
eval
和
E
，您应该能够使用
eval，然后，如果您想要识别那些
NA
的元素，以便在其他矩阵中也将它们设置为
NA
，请尝试@jbaums正确指示的
y.new[is.NA（y）]，
is.na
是您需要使用
na
s查找或执行逻辑操作的函数。关于那些
NA
s的查找，如果您想这样做，可以使用
which（is.NA（y），arr.ind=TRUE）
。这样，您就可以获得
y
中
NA
值的行数和列数。
...
for(j in 1:195){
   for(k in 1:6){
      if ( !is.na(y(j,k)) ) {
         for(i in 1:3000){
             ...
         }
      }
   }
}
...