ggmice | 用这只可爱的小老鼠来填补你的缺失值吧！~

1写在前面

我们在处理数据的时候常常会遇到存在缺失值(NA)的情况，如何处理就仁者见仁，智者见智了。🤒
最简单粗暴的方法可能就是行删除法(listwise)或者个案删除法(case-wise)了，这种方法在缺失值比较少的情况下比较适用，但在NA较多的情况下可能就会丢失过多信息导致无法继续分析。😘
本期我们介绍一下mice包和ggmice包这两只可爱的小老鼠，全名Multivariate Imputation by Chained Equations, mice，即链式方程多重填补。📍

一张图总结基本原理，嘿嘿。👇

2用到的包

rm(list = ls())
library(tidyverse)
library(mice) 
library(ggmice)
1

3示例数据

这里我们使用一下示例数据airquality，再在其中添加一些缺失值。

dat <- airquality
dat[4:9,3] <- rep(NA,6)
dat[1:4,4] <- NA
1

4数据概览

4.1 缺失值查看

这里面我们一共有6个变量，其中4个存在缺失值。🫠

summary(dat)
1

4.2 缺失值可视化

Note! ggmice提供了一种NA值的可视化方法，一目了然，nice! 🤒

plot_pattern(dat,
             square = F,
             rotate = F)
1

4.3 influx-outflux plot

这里和大家简单介绍一下这个influx-outflux plot，总的来说评估了缺失数据与其他变量的联系程度。😂
一般来说，在建模时，influx以及outflux越大越好。😗

plot_flux(dat,
          label = F,
          caption = F)
1

5可视化一下吧

5.1 连续变量

这里我们对连续变量的缺失值进行一下可视化，可以看到红色的为缺失值。😘

ggmice(dat, aes(Ozone, Solar.R))+
  geom_point()
1

5.2 分类变量

接着我们对分类变量的缺失值进行一下可视化，红色的为缺失值。😃

ggmice(dat, aes(Month, Solar.R)) +
  geom_point()
1

5.3 分面展示

ggmice(dat, aes(Month, Solar.R)) +
  geom_point() +
  facet_wrap(~ Month == 5,
             # labeller = label_both
             )
1

6mice包填补缺失值

6.1 填补缺失值

在这里我们生成几个填补缺失值后的数据，m默认是5，为了减小计算量，这里我设置成3。🤗
Note! 可选method包括：👇

✅ pmm,
✅ logreg,
✅ polyreg,
✅ polr

imp <- mice(dat, m = 3, method = "pmm")
1

6.2 连续变量缺失值填补后可视化

我们再看一下填补缺失值后的散点图吧，红色的为缺失值填补后。😚

ggmice(imp, aes(Ozone, Solar.R))+
  geom_point()
1

6.3 分类变量缺失值填补后可视化

ggmice(imp, aes(Month, Solar.R)) +
  geom_point()
1

6.4 分面展示

ggmice(dat, aes(Month, Solar.R)) +
  geom_point() +
  facet_wrap(~ Month == 5,
             # labeller = label_both
             )
1

7填补数据集的可视化

7.1 dotplot

我们之前设置了m = 3，这里我们看一下3个数据集的NA填补情况。🥰

ggmice(imp, aes(x = .imp, y = Temp)) +
  geom_jitter(height = 0, width = 0.25) +
  labs(x = "Imputation number")
1

7.2 boxplot

ggmice(imp, aes(x = .imp, y = Temp)) + 
  geom_jitter(height = 0, width = 0.25) +
  geom_boxplot(width = 0.5, size = 1, alpha = 0.75, outlier.shape = NA) +
  labs(x = "Imputation number")
1

8算法收敛

看来default = 5是有原因的，哈哈哈哈哈哈！🤣

plot_trace(imp,
#           "Temp"
           )
1

点个在看吧各位~ ✐.ɴɪᴄᴇ ᴅᴀʏ 〰