在分析数据集时，常常会碰到一些缺失值，如果缺失值的数量相对总体来说非常小，那么直接删除缺失值就是一种可行的方法。但某些情况下，直接删除缺失值可能会损失一些有用信息，此时就需要寻找方法来补全缺失值。

安装包

conda create -n MICE -c conda-forge r-mice -y
conda activate MICE
conda install -c conda-forge r-tidyverse -y
conda install -c conda-forge r-irkernel -y
conda install -c conda-forge r-vim -y
Rscript -e "IRkernel::installspec(name='MICE', displayname='r-MICE')"

导入数据

数据来源

rppa <- readRDS('PRAD_rppa.rds')
pMiss <- function(x){round(sum(is.na(x))/length(x),3)}
rppa <- rppa[apply(rppa, 1, pMiss) < 0.05, ]
rppa <- rppa[, apply(rppa, 2, pMiss) < 0.05]
sum(is.na(rppa))

额，好像没有NA了，这一步先不跑，熟悉一下MICE包吧，数据集用airquality

查看数据质量

mice::md.pattern(airquality)
VIM::aggr(airquality, col=c('navyblue','red'), numbers=TRUE, sortVars=TRUE, 
          labels=names(airquality), cex.axis=.7, gap=3, 
          ylab=c("Histogram of missing data","Pattern"))
VIM::marginplot(airquality[c(1,2)])

进行迭代插补

tempData <- mice::mice(airquality,m=5,maxit=50,meth='pmm',seed=1)
# meth：指定数据中每一列的输入方法。
# 1）数值型数据适用 pmm；
# 2）二分类数据适用 logreg；
# 3）无序多类别数据适用 ployreg；
# 4）有序多分类变量适用 polr。
# 默认方法为 pmm 

选择合适的插补

mice::densityplot(tempData,~ Ozone + Solar.R  .imp)
# 蓝色为原始数据的分布，第一幅红色图为一重插补，以此类推，选择最符合的
mice::densityplot(tempData, ~ Ozone + Solar.R .imp == 4)

导出插补后的数据

Data <- mice::complete(tempData, action = 4)
# action的参数值表示选择第几重的插补值来填补原始数据集，根据前面的图来选择