mi permetto di suggerire una prima funzione (ggNAadd) progettato per fare questo, e migliorarla con una seconda funzione che fornisce la distribuzione grafica della AN creato (ggNA)
Ciò che è accurato è la possibilità di inserire una proporzione di un numero fisso di NA.
ggNAadd = function(data, amount, plot=F){
temp <- data
amount2 <- ifelse(amount<1, round(prod(dim(data))*amount), amount)
if (amount2 >= prod(dim(data))) stop("exceeded data size")
for (i in 1:amount2) temp[sample.int(nrow(temp), 1), sample.int(ncol(temp), 1)] <- NA
if (plot) print(ggNA(temp))
return(temp)
}
E la funzione tracciato:
ggNA = function(data, alpha=0.5){
require(ggplot2)
DF <- data
if (!is.matrix(data)) DF <- as.matrix(DF)
to.plot <- cbind.data.frame('y'=rep(1:nrow(DF), each=ncol(DF)),
'x'=as.logical(t(is.na(DF)))*rep(1:ncol(DF), nrow(DF)))
size <- 20/log(prod(dim(DF))) # size of point depend on size of table
g <- ggplot(data=to.plot) + aes(x,y) +
geom_point(size=size, color="red", alpha=alpha) +
scale_y_reverse() + xlim(1,ncol(DF)) +
ggtitle("location of NAs in the data frame") +
xlab("columns") + ylab("lines")
pc <- round(sum(is.na(DF))/prod(dim(DF))*100, 2) # % NA
print(paste("percentage of NA data: ", pc))
return(g)
}
che dà (usando ggplot2 come output grafico):
ggNAadd(df, amount=0.20, plot=TRUE)
## [1] "percentage of NA data: 20"
## A B c
## 1 1 11 21
## 2 2 12 22
## 3 3 13 23
## 4 4 NA 24
## ..
Naturalmente, come accennato in precedenza, se si chiedere a troppe NA la percentuale effettiva diminuirà a causa delle ripetizioni.
Vuoi dire il 15% di ogni variabile? o osservazioni generali? – Robert
20% va bene (vale a dire, 6 del valore deve essere NA) – Filly
Si potrebbe voler controllare questa risposta che ti dà le proporzioni esatte di NA: https://stackoverflow.com/q/39513837/3871924 – agenis