R 因子变量NAs的插补NAs&；将它们转换为虚拟变量

我有一个数据框架，其中一些变量（列）是阶乘的，而对于一些记录，我缺少值（NA）

问题是:

在阶乘变量中替换\输入NAs的正确方法是什么

e、 具有4个级别{“A”、“B”、“C”、“D”}的g VarX-将NAs替换为什么样的首选值？A\B\C\D？也许只有0？是否可以用该变量观测值的多数水平进行估算

根据对1的回答，如何实施这种插补

解决1和2后，我将使用以下方法为阶乘变量创建虚拟变量：

is.fact <- sapply(my_data, is.factor)
my_data.dummy_vars <- dummy.data.frame(my_data[, is.fact], sep = ".")

---

is.fact虚拟变量，你是指0和1吗？这就是我的结构：

# first building a fake data frame
x <- 1:10
y <- as.factor(c("A","A","B","B","C","C",NA,"A","B","C"))
df <- data.frame(x,y)

# creating dummy variables 
df$dummy_A <- 1*(y=="A")
df$dummy_B <- 1*(y=="B")
df$dummy_c <- 1*(y=="C")

# did it work?
df
    x    y dummy_A dummy_B dummy_c
1   1    A       1       0       0
2   2    A       1       0       0
3   3    B       0       1       0
4   4    B       0       1       0
5   5    C       0       0       1
6   6    C       0       0       1
7   7 <NA>      NA      NA      NA
8   8    A       1       0       0
9   9    B       0       1       0
10 10    C       0       0       1

#首先构建一个假数据帧
谢谢你澄清你的意图-这真的很有帮助！以下是我的想法：

插补缺失数据是一个非常重要的问题，对于crossvalidated公司的优秀员工来说可能是一个好问题。这是一个只有在项目背景下，由您（主题专家）才能真正解决的问题。一个大问题是缺失值是随机缺失，还是作为其他变量的函数缺失，以及这些缺失值是观察到的还是未观察到的。如果你把它们作为其他（观察到的）变量的函数来排除，你甚至可以考虑基于模型的方法，也许使用GLM。到目前为止，最简单的方法（如果没有太多缺少的值）是使用类似于
mydata2的内容删除这些行。您可以提供一个小示例，说明您是如何拥有这些行的以及您希望得到什么吗？你打算怎么治疗安娜？我不知道这是否是一个重复的问题，例如，请参阅。我不确定应该如何处理阶乘变量的NAs。在转换为虚拟变量之前用0替换它们是个好主意吗？如果是这样的话，我很乐意学习如何做so@DavidLeal编辑后请看我的帖子，我希望我的意图现在更清楚。我的意思是，如果一个阶乘变量有4个级别，它将被5个虚拟变量替换。为什么需要被5个替换？需要变量的第五种情况是什么？据我所知，n级变量是用n+1虚拟变量表示的，我不明白你的意思。实际上，为了包含相同数量的信息，只需要n-1个变量。根据您所做的分析，为每个可能的因素级别（如上面所建议的）编码一个变量可能会导致参数化过度的模型。我将尝试查找我的评论参考。这其实并不重要，因为我使用的是dummies库。我的问题是如何预处理（如果有的话）一些记录中包含NA的阶乘变量？在我使用dummies库创建它们之后，hpw用这些虚拟变量替换数据中的实际阶乘变量？谢谢！恐怕删除行不是我的选择（项目约束）。我将与交叉验证人员协商正确的方法-用0或多数值替换。你能帮我写下这些代码吗？（将NAs替换为0 \并使用每个因子的多数级别）Nevermind，我被介绍到R中的mice（）包中，它似乎为我考虑了每个缺少的值列（简而言之..）。非常感谢。