缺失值处理——R语言

本研究重点阐述VIM与mice两个软件包的应用，所采用的数据集为VIM包中提供的哺乳动物睡眠数据sleep，旨在探讨62种哺乳动物在睡眠时长、生态学特征以及身体属性之间的关联性。其中，睡眠相关的指标包括做梦时长（Dream）、非做梦时长（NonD）及二者之和（Sleep）。身体属性指标涵盖体重（BodyWgt，单位为千克）、脑重量（BrainWgt，单位为克）、平均寿命（Span，单位为年）以及妊娠周期（Gest，单位为天）。生态学指标则涉及物种受到捕食的风险程度（Pred）、睡眠期间暴露于危险的水平（Exp）以及整体面临的风险等级（Danger），所有生态学变量均采用1至5的五级评分体系进行量化评估，其中1代表风险最低，5代表风险最高。

1 处理缺失值的步骤

一套完整的数据处理流程一般包括以下若干环节：
(1) 确认存在缺失的数据项；
(2) 分析引发数据缺失的具体因素；
(3) 通过移除含有缺失信息的样本或采用适当的数值进行填补（即插补）的方式处理缺失数据。
关于缺失数据的分类，主要包括三类：完全随机缺失（MCAR）、随机缺失（MAR）以及非随机缺失（NMAR）。

2 识别缺失值

在数据处理过程中，NA（不可得）用于表示缺失的数据项，而NaN（不是一个数）则用于标识无法定义的数值。Inf与-Inf分别对应正无穷和负无穷的数值形式。相应的检