处理缺失数据的高级方法
缺失数据的传统方法和现代方法，主要使用VIM和mice包。使用VIM包提供的哺乳动物睡眠数据（sleep，注意不要将其与基础安装中描述药效的sleep数据集混淆）。数据来源于Allison和Chichetti（1976）的研究，他们研究了62种哺乳动物的睡眠、生态学变量和体质变量间的关系。他们对动物的睡眠需求为什么会随着物种变化很感兴趣。睡眠数据是因变量，生态学变量和体质变量是自变量或预测变量。
睡眠变量包含睡眠中做梦时长（Dream）、不做梦时长（NonD）以及它们的和（Sleep）。体质变量包含体重（BodyWgt，单位为千克）、脑重（BrainWgt，单位为克）、寿命（Span，单位为年）和妊娠期（Gest，单位为天）。生态学变量包含物种被捕食的程度（Pred）、睡眠时的暴露程度（Exp）和面临的总危险度（Danger）。生态学变量以从1（低）到5（高）的5分制进行测量。
1 处理缺失值的步骤
(1) 识别缺失数据；
(2) 检查导致数据缺失的原因；
(3) 删除包含缺失值的实例或用合理的数值代替（插补）缺失值。
缺失数据的分类：
(1) 完全随机缺失 若某变量的缺失数据与其他任何观测或未观测变量都不相关，则数据
为完全随机缺失（MCAR）
(2) 随机缺失 若某变量上的缺失数据与其他观测变量相关，与它自己的未观测值不相关，
则数据为随机缺失（MAR）。
(3) 非随机缺失 若缺失数据不属于MCAR和MAR，则数据为非随机缺失（NMAR）。
处理缺失数据的方法有很多，但不能保证都生成一样的结果。下图列出了一系列可用来处理不完整数据的方法，以及相应的R包：
2 识别缺失值
R使用NA（不可得）代表缺失值，NaN（不是一个数）代表不可能值。另外，符号Inf和-Inf分别代表正无穷和负无穷。函数is.na()、is.nan()和is.infinite()可分别用来识别缺失值、不可能值和无穷值。每个返回结果都是TRUE或FALSE。 下表给出了一些示例：
is.na()、is.nan()和is.infinite()函数的返回值示例
注：这些函数返回的对象与其自身参数的个数相同。
函数complete.cases()可以用来识别矩阵或数据框中没有缺失值的行。若每行都包含完整的实例，则返回TRUE的逻辑向量；若每行有一个或多个缺失值，则返回FALSE。
以睡眠数据集为例：
data(sleep, package="VIM")
sleep[complete.cases(sleep),]
结果分析：输出结果显示42个实例为完整数据（截图未完整）。
sleep[!complete.cases(sleep),]
结果分析：输出结果显示20个实例含一个或多个缺失值（截图完整）。
由于逻辑值TRUE和FALSE分别等价于数值1和0，可用sum()和mean()函数来获取关于缺失数据的有用信息。如：
sum(is.na(sleep$Dream))
mean(is.na(sleep$Dream))
mean(!complete.cases(sleep))
结果分析：结果表明变量Dream有12个缺失值，19%的实例在此变量上有缺失值。另外，数据集中32%的实例包含一个或多个缺失值。
对于识别缺失值，有两点需要牢记。第一，complete.cases()函数仅将NA和NaN识别为缺失值，无穷值（Inf和-Inf）被当作有效值。第二，必须使用与上述中类似的缺失值函数来识别R数据对象中的缺失值，像myvar == NA这样的逻辑比较无法实现。