添加隨機缺失值的精確比例data.frame

Question

我想隨機NA添加到R的data.frame到目前爲止，我已經研究過這些問題：

R: Randomly insert NAs into dataframe proportionaly

How do I add random NAs into a data frame

add random missing values to a complete data frame (in R)

很多方案都在這裏提供的，但我無法找到一個與這5個條件符合：

• 用行或用列添加真隨機NA，而不是相同數量
• 每類變量，人們可以在data.frame遇到工作（數字，字符，要素，邏輯，TS ..） ，所以輸出必須與輸入數據幀或矩陣具有相同的格式。 （在同一個地方產生，因爲幾個許多解決方案導致NA數量較少）的確切數量或比例[注] NA輸出的
• 保證
• 是對大數據集computationnaly高效。
• 在輸入中獨立於已經存在的NA添加NA的比例/數量。

任何人有想法？ 我已經試圖寫一個函數來做到這一點（在第一個鏈接的答案），但它不符合點3號& 4. 謝謝。

[注意]確切的比例，在+/- 1NA圓整當然。

Answer 1

這是我爲我的論文做的一種方法，library(imputeMulti)目前正在JSS上審查。這將NA的數據插入整個數據集的一個隨機百分比中，並且可以很好地擴展，因爲n * p * pctNA %% 1 != 0的情況，它不會保證的確切數字。

createNAs <- function (x, pctNA = 0.1) { 
    n <- nrow(x) 
    p <- ncol(x) 
    NAloc <- rep(FALSE, n * p) 
    NAloc[sample.int(n * p, floor(n * p * pctNA))] <- TRUE 
    x[matrix(NAloc, nrow = n, ncol = p)] <- NA 
    return(x) 
} 

顯然，你應該使用重複性隨機種子，可在函數調用之前指定。

這適用於創建基線數據集以便在插補方法間進行比較的一般策略。我相信這就是你想要的，儘管你的問題（如評論中指出的）沒有明確說明。

編輯：我確實假設x已完成。所以，我不確定它將如何處理現有的缺失數據。如果你願意，你當然可以修改代碼，雖然這可能會增加運行時間至少O（n * p）