CRAN任务视图：缺少数据

数据集中经常会发现缺失数据。Base R提供了几个选项来使用只涉及观测数据的计算来处理它们(na.rm=真在函数中意思是,无功功率，无功功率、…或use=complete.obs|na.或.complete|pairwise.complete.obs在函数中覆盖（cov）,cor公司, …). 基本软件包统计数据还包含泛型函数自然行动提取信息的不适用用于创建对象的操作。此外，该软件包ie2光盘包含二元运算符+与原来的表现不同+操作员处理缺失数据。

CRAN上的许多软件包补充了这些基本选项。在这个任务视图中，我们专注于最重要的选项，这些选项已经在一年多前发布并定期更新。任务视图分为几个主要主题：

• 寻找缺失数据
• 基于可能性的方法
• 单一插补
• 多重估算
• 加权方法
• 特定类型的数据
• 具体任务
• 特定应用领域

除了当前任务视图之外缺失数据参考网站可能也会有帮助。补充信息也可以在时间序列,时空,生存、和官方统计。请注意，“缺少数据”任务视图不包括涵盖时间、时空插值和删失数据的大多数包。

如果您认为我们遗漏了此列表中的一些重要软件包，请向维护人员发送电子邮件，或在上面链接的GitHub存储库中提交问题或请求。

寻找缺失数据

• 丢失数据的处理在包中实现新加坡证券交易所,sj标签,逆调和,mde公司（还提供了探索缺失模式的基本功能），第三年（遵守潮韵诗原则），以及宣布此外，memisc（模因）提供了可定义的缺失值，以及用于管理测量数据和变量标签的基础设施。更具体地说，虚假的将给定值转换为不适用和填料根据简单的预定义规则填充向量中缺少的值。
  绳索运动员提供处理缺失值的字符串算术、重新分配运算符和逻辑运算符。
• 缺少数据模式可以使用包进行识别和探索惯性矩（及其GUI米吉),争吵,描述工具、和纳尼亚人.大卡波是一个通用的数据质量工具箱，也可以用于识别丢失的数据。更具体地说，ggmice（ggmice）生成老鼠插补工作流程，可用于缺失数据的探索和插补质量的评估。
• 描述缺失数据分布和模式的图形在中实现VIM公司（具有图形用户界面VIMGUI，目前存档在CRAN上）和纳尼亚人（遵守潮韵诗原则）。
• MAR假设的测试（与MCAR假设相比）：Little对MCAR假设的测试在朦胧其他方法也可在其他地方使用：RBtest测试提出了一种基于回归的方法来测试缺失数据机制和PKLM测试为MCAR实施基于KL的测试。
  此外，isni公司通过计算不可忽略性的局部敏感性指数来测试对可忽略性假设的敏感性。
• 评价:错误比较和miss方法提供一个完整的框架来比较不同的插补策略（包括诊断和可视化）。包裹Iscores公司使用基于KL的评分规则评估插补质量也很有用。
  可以使用函数进行模拟以评估插补质量截肢属于老鼠，包simFrame（模拟帧），它提出了一个非常通用的模拟框架，或包西格尔姆，它模拟简单和广义线性回归模型中的数据和缺失值。同样，插补测试台提供了评估单变量时间序列插补的基准。
  此外，惯性矩和VIM公司还提供有助于评估插补质量的诊断图。

基于可能性的方法

• 基于期望最大化（EM）算法的方法在中实现规范和mvnmle公司对于多元正态数据集，in猫（功能em.cat公司对于多变量分类数据），单位混合（功能em.mix公司对于多元混合分类和连续数据）。这些包还实现贝叶斯方法（具有插补和后验步骤）用于相同的模型（功能达累斯萨拉姆。XXX代表规范,猫和混合)并可用于获得插补的完整数据集或多重插补（函数进口。XXX代表规范,猫和混合)一旦估算了模型参数。单病毒当缺失模式为单调时，提出了多元正态分布和Student分布的类似方法。
  CensMFM公司,插补多重、和MMDai公司通过使用EM方法对这些方法进行扩展，以适合数字或类别数据的多变量缺失数据的不同混合。RMixt公司是一个完整的混合模型库，它基于C++库处理丢失的数据MixtComp公司。它可以与RMixtCompUtilities（RMixt组件实用程序），它提供了各种图形、getter和实用程序函数。
  缺失协变量值的层次高斯和概率模型在ppm套件.PRe最小值使用缺失的协变量值实现Dirichlet过程混合模型（通过簇成员关系将对协变量的响应链接起来的回归模型）。
  估算R还使用了基于EM的插补框架，该框架提供了几种不同的算法，包括Lasso、基于树的模型或PCA。此外，测试数据插补基于EM估计（和其他更简单的插补方法）实施插补，这些方法非常适合于带有项目响应的二分法和多分法测试。
• 多重估算使用最大似然多重插补百万英里.
• 全信息最大似然（也称为“直接最大可能性”或“原始最大可能性”）熔岩（及其扩展semTools（系统管理工具）),OpenMx（OpenMx）,资源集、和西姆西姆用于处理结构方程建模中的缺失数据。
• 贝叶斯方法有关使用变量选择处理基于模型的聚类中缺少的值，请参阅VarSelLCM公司该软件包还提供了使用后验均值的插补。
• 广义线性模型中的缺失值可以用包装处理多数据库适用于不同的家庭。接头AI实现广义线性混合模型的贝叶斯方法图片报对允许缺失值的二进制纵向数据实施具有混合效果的logistic回归。ClusPred俱乐部当组变量丢失时，还处理具有固定组效应的混合模型中丢失的值。
  brlrmr公司提出了一种减少缺失响应logistic回归估计偏差的方法。
• 项目响应模型中缺少数据（包括Rasch模型和扩展）在中实现塔姆,泥泞,电子风险管理、和ltm公司用于单变量或多变量响应。LNIRT公司也适用于这些模型，但允许将缺少的值指定为“缺少设计”，以及MLCIR内包括潜在类模型。
• 回归模型结果中缺少值在中处理磁共振成像.

单一插补

• 缺失数据插补的最简单方法是平均插补（或中位数、模式…）。此方法在许多软件包中可用，其中Hmisc公司其中包含各种建议，用相同的值来插补变量的所有缺失实例。
• 通用软件包：程序包VIM公司和填满包含几种常用的缺失值插补方法（包括以下特定方法专用章节中列出的一些方法）。此外，简化是一个通用软件包，用于通过任何可与各种回归方法结合的预测方法进行插补，并与潮韵诗.
• K近邻是一种常用的缺失数据插补方法，可用于包括主要软件包在内的许多软件包yaImpute公司（采用多种不同的kNN插补方法，包括基于CCA的插补）和VIM公司。它也可以在插补（其中它面向微阵列插补）。
  同位素使用类似的方法插补缺失值，该方法基于样本和隔离林之间的相似性。
• 热甲板插补在程序包中实现热甲板，具有各种可能的设置（包括多重插补）。它也可用于VIM公司（功能热甲板)中提供了分数版本（使用权重）FHDI公司.StatMatch（统计匹配）还使用热卡插补从外部数据集插补调查。
  同样，小鬼使用“捐赠者”的概念来插补一组可能的值，称为“不精确插补”。
• 插补基于随机森林在中实现miss森林中有一个更快的版本missRanger公司.R林业用原始随机森林方法的变体扩展该方法。
• 其他基于回归的插补在中实现VIM公司（基于线性回归的函数插补回归Imp).国际原子能机构基于knn、树或SVM和代理退出使用二元回归对部分缺失的目标结果进行估计和推断。
• 矩阵完成使用迭代PCA实现/SVD公司-包装中的分解MDA错误用于数字、分类和混合数据（包括组插补）。尼泊尔（也基于SVD计算）在包中实现mixOmics公司（用于PCA和PLS），ade4（ade4）,非线性迭代偏最小二乘法和请回复（对于广义模型PLS）。cmfrec公司也是一个致力于矩阵分解（对于推荐系统）的大型软件包，其中包括插补。其他基于主成分分析/因子的插补可在pca方法（使用PCA的贝叶斯实现），在主PCA（针对高维PCA中的异构缺失）和张量BF（用于三向张量数据）。低秩插补中提供了softImpute软件，其中包含用于迭代矩阵完成的几种方法。埃因佩特实现了一种基于大矩阵低秩近似的高效插补方法。低秩插补方法也可在非常通用的软件包中使用rsparse（rsparse），其中包含各种稀疏矩阵工具。基于低秩假设的变量可在去噪eR，英寸咪咪，英寸ECLRMC公司和CMF公司（用于集成矩阵完成），和inROptSpace空间（采用计算效率高的方法）。
• 插补分类变量提议于尼日利亚基于数据挖掘和简单规则。OTrecod（OT记录）也可以使用两个数据库共享的信息和基于最优传输的方法来插补类别变量。
• 插补基于copula在中实现CoImp公司采用半参数插补程序mdgc公司对混合数据类型使用高斯copula。
• 插补基于自组织映射中提供了索姆布雷罗和密苏里群岛.
• 插补基于验证规则（演绎方法）在中实现演绎的.

多重估算

上述一些软件包还可以处理多种插补。

• 阿梅利亚实施基于EM的Bootstrap多重插补为了估计参数，对于定量数据，它假设多元高斯分布进行插补。此外，Amelia视图是的GUI阿梅利亚，可从Amelia网页.快速插补提供了在阿梅利亚.
  NPBayes ImputeCat还通过对分类变量进行联合建模，但使用贝叶斯方法实现多重插补。
• 惯性矩,老鼠、和小分子氟碳化合物机具链方程多重插补。其他包基于或扩展老鼠，比如胶束快速，它使用面向对象风格的编程和C++提供了鼠标插补方法的替代实现，bootImpute（引导Impute）执行基于bootstrap的插补并对这些插补进行分析，以及胶束流浪者,CALIBER输入、和RfEmpImp公司它们都使用随机森林通过链式方程进行多重插补。
• 基于马尔可夫模型的多重插补提议于尼亚德密歇根州.
• 处理多重输入数据集:有丝分裂醇结合任何插补方法，提供了处理多重插补的通用方法，钴计算多重插补数据集的平衡表和曲线图，合成工具为多重输入数据集提供置信区间，胶束后允许在多重插补后进行不同类型的统计分析和汇集。
  此外，有丝分裂醇结合任何插补方法，提供了处理多重插补的通用方法，钴计算多重插补数据集的平衡表和曲线图，以及巴基在社会科学背景下，自动计算基于多重插补数据集计算的估计的摘要信息。
• MDA错误基于SVD方法.
• 热甲板实施热甲板-基于多重插补。
• rMIDAS公司基于去噪自动编码器.
• 多级插补：多水平多重插补在乔莫,老鼠,胶束,胶束,密特尔、和锅.
• 沙鼠使用潜在联合多元正态模型实现多重插补。
• Qtools（质量工具）和miWQS公司基于分位数回归.
• 洛迪实现低于检测限的观测值插补（LOD）通过删失似然多重插补（CLMI）。
• 评价:NADIA公司提供了一个统一的界面来比较几种插补算法的性能。

加权方法

• 重量的计算观测数据用于解释未观测数据逆概率加权（IPW）在中实现综合功率和iWeigReg公司.瑙蒂卢斯还提出了IPW计算，但使用了适用于特定预设参数的估算方程。
• IPW也用于分位数估计和箱线图在里面IPW箱线图.
• 具有缺失结果的双稳健逆概率加权增广GEE估计在中实现CRTgeeDR公司.
• 时间进程缺失数据的IPW在中实现MIIPW公司.

特定类型的数据

• 纵向数据/时间序列数据：时间序列的插补在插补TS其他包，例如预测,时空,timeSeries（时间序列）,xts码,先知,stlplus软件，或动物园，专门用于时间序列，但也包含一些（通常是基本的）方法来处理丢失的数据（另请参阅时间序列). 基于整洁原则帕德和锡伯还提供了时间序列中缺失值的插补方法。同样，DTSg公司提供了基于fast的时间序列中缺失值描述和插补的基本功能数据表框架。
  在其他包中实现了更具体的方法：在包族中实现了基于动态时间扭曲的时间序列插补DTWBI公司,DTWUMI公司、和FSMUMI公司用于单变量和多变量时间序列。BMTAR公司在多元时间序列中存在缺失数据的情况下，使用贝叶斯方法估计高斯噪声下的自回归阈值模型。斯威吉对观测缺失的纵向数据实施了IPW方法。tsrobprep公司使用时间序列的稳健分解实现缺失值的插补。断棒使用brokenstick方法处理不规则时间序列中随机缺失的数据。TRMF公司使用时间正则化矩阵分解来插补高维时间序列中的值。
  对于更具体的时间序列，寒冷的配合纵向计数
  缺少值的数据模型。
  时间序列中极值指标的估计在埃克斯指数K间隙和D间隙模型可以适应缺失值。
• 马尔可夫模型:小时/分钟包括用于隐藏混合马尔可夫和半马尔可夫模型的各种方法，可以容纳丢失的数据。
• 空间数据：空间数据插补在包中实现实时操作程序执行不规则区域数据的地质统计插值面积的，它使用tidyverse数据管理执行面积加权插值。RcppCens空间使用EM、SAEM或MCEM估计线性空间模型中缺少数据的参数。
  基于遗传距离的空间数据插值也可在磷蛋白.
• 时空联合数据（另请参见时空)：时空数据插补在包中实现StempCens公司当E步没有解析形式时，使用SAEM方法近似EM。
  从应用程序的角度来看，填隙致力于插补在等速时间点和stfit公司使用条件估计的函数主分析来插补卫星数据中缺失的像素。动量HMM致力于使用广义隐马尔可夫模型分析遥测数据（包括缺失数据的多重插补）。
• 距离矩阵：欧氏距离矩阵的插补在中实现电子数据记录器，使用不同的优化方法。
• 图形/网络:SBM小姐插补随机块模型中缺失的边，cglasso公司从删失值测量和缺失值测量中实现图形拉索推断的扩展，以及bnstruct结构提供了贝叶斯网络从缺失值数据推断的各种方法的扩展。面向物种群落网络的推断，事件的理想化认知模式使用二项式GLM的扩展来处理缺失的值和强盗基于随机块模型，并处理缺失值。恩马莫德包括在临床试验中探索缺少参与者结果数据的网络meta分析的功能。
• 列联表的插补在中实现洛里它还可以用于分析缺少数据的列联表。
• 成分数据插补（CODA）在中实现抢劫成分和z成分（针对零、左偏和缺失数据的各种插补方法）。
• 排名模型处理部分缺失排名贝叶斯·马尔洛使用贝叶斯方法爱尔兰共和国计算区域间的可靠性和一致性。
• 实验设计:实验处理实验设计中的缺失值，例如具有缺失协变量和结果数据的随机实验，以及具有缺失结果的配对设计。
• 经常性事件:德贾武基于负二项回归模型对复发事件数据进行多重插补。

具体任务

• 回归和分类：许多不同的监督方法可以适应缺失值的存在。随机森林,玻璃纤维、和分层RF处理各种基于随机森林的方法中预测器中的缺失值。
  塔楼NA在线性模型、基于GLM和KNN的回归中处理预测中的缺失值，而不进行插补。米萨姆处理线性回归和逻辑回归中的缺失数据，并允许进行模型选择。psfmi公司还为多重输入数据集中的各种线性模型的模型选择提供了一个框架闪耀适应与拉索回归相关的一些模型中的缺失值。
  贝叶斯方法在缺少数据的情况下，提供了朴素贝叶斯分类器的有效实现。请接受Rbeta对预测因子中缺少数据的β回归模型实施PLS。lqr公司提供了在存在缺失值和截尾数据的情况下基于各种分布的分位数回归估计。本征模型处理对称关系数据回归模型中的缺失值。
• 群集:双集群md处理双集群中丢失的数据。RMixtComp公司,MGMM公司,混合物、和混合物缺失在缺少数据的情况下拟合各种混合模型。ClustImpute俱乐部处理k-means聚类中的缺失值。千兆比特执行聚类以识别包含缺失值的多变量纵向数据中的相似轨迹。LUCIDus公司当一些组学缺失时，从多个组学中进行聚类。米克勒斯特在聚类中处理多重插补。
• 测验对于两个样本，在中实现了配对缺失数据罗布斯坦克,IncomPair接口、和MKinfer公司后者基于多个输入数据集。使用贝叶斯方法评估缺失值数据测试的可靠性brxx公司.
• 荟萃分析:梅塔夫科夫在多元荟萃分析中提供了一组函数，包括缺失数据的多重插补。米纳苏可以对一些缺失（未报告）的影响进行meta分析。更具体地说，插补荟萃分析二进制结果的亚森和NMA诊断使用剂量反应研究的网络元分析提供了贝叶斯分析，其中考虑了MNAR缺失值。
• 敏感性分析并且在中处理具有不可忽略丢失模式的置信区间用户界面.
• 异常值检测（和稳健分析）在存在缺失值的情况下GSE公司和rrcovNA公司.
• ROC估算在缺少值的情况下bcROC表面ROC表面和inBLOQ系列用于左删失数据。
• 调解分析在缺少值的情况下，在bmem公司和bmemLavaan公司后者旨在处理非正常数据。路径在因果中介分析中使用插补方法估计路径特定效应。
• 复合指示器可以用包输入COIN公司.
• 模糊逻辑:线性调频包含基本的模糊相关代数函数，能够处理模糊逻辑的缺失值。
• ODE公司：包中提供了一种参数级联方法的实现，用于估计缺少或完整观测值的常微分方程模型p代码.

特定应用领域

• 遗传学：SNP数据的输入在阿勒哈普（仅使用基于系谱数据的确定性技术）QTL编号（使用侧翼SNP信息），insnpStats（snpStat）（使用最近邻法），in哈迪·温伯格（使用基于等位基因强度和/或侧翼SNP的多项式模型的多重插补）。此外，SNPassoc公司和SNP过滤器R提供探索缺失SNP的功能。
  qg工具包括线性混合模型和在缺少数据的情况下进行定量遗传学分析的重采样技术。EM算法用于计算缺失SNP情况下种群的遗传统计标准AMPP并在家庭事件,哈帕索的、和哈普林.
  最后，文件服务器用于模拟具有离群个体和缺失值的SNP数据集。
• 系统发育：对缺失的系统发育数据进行插补Rphylopars公司具有不同的进化模型。不完全系统发育的模拟可以用树图像.
• 基因组学：单细胞RNA-序列数据中的缺失事件插补（即mRNA分子采样不足）在DrImpute博士,SAVER公司、和iCellR手机，分别基于细胞聚类、马尔可夫亲和图、经验贝叶斯方法和k近邻。前三个包用于sc恢复和A计算最后一个还可以处理其他类型的单小区数据，如scATAC-Seq或CITE-Seq。
  RNAseqNet公司使用热卡插补，通过辅助数据集改进RNA-seq网络推断。
• 化学计量学:进口4便士,wrProteo公司,mi4p（百万像素）,插补LCMD和aLFQ公司使用LC-MS/MS数据的蛋白质定量插补。前三种方法使用多重插补和进口4便士,wrProteo公司、和插补LCMD可以在MNAR机制下工作。生物导体上还提供了其他实现MS蛋白质组学数据插补的软件包，包括msImpute（即时）（MAR和MNAR机制）和蛋白质MM.proteDA公司对同一类型的数据执行差异分析，但实施概率辍学模型来处理缺失。
  量化代谢组学数据的插补在利利科伊采用k-NN方法市场关注度指数采用两步法，其中第一步旨在识别缺失机制。
  NIR光谱检测极限下的数据插补见NIR统计用于NIR时间序列的标准分析。
• 流行病学:贝叶斯CT在贝叶斯框架中实现了各种用于模拟和分析临床试验的方法，该框架允许处理和插补缺失数据。萨农实现了一种使用可处理MCAR数据的分层分析随机临床试验的方法。不归责采用插补方法，在diff-in-diff设计中实施治疗效果评估和结束前测试。迪亚尔实施记录链接和流行病学病例定义，同时处理跨链接阶段的缺失数据。
  更具体地说，信息审查为信息审查实施多重插补。伪（pseval）在缺少反事实替代反应的情况下，在单个临床试验中评估主要替代反应。筛子PH使用IPW方法实现连续的、可能是多变量的、标记特定的危险比，多变量标记中的缺失值。许可重新注册对区间数据的截尾响应进行插补。
• 健康:缺少HE利用缺失的结果数据实施卫生经济评估模型。加速错过为加速度计数据中缺失的计数值提供了零膨胀泊松对数正态模型的多重插补。CGManalyzer公司提供了可处理缺失数据的连续血糖监测分析工具。qpNCA公司主要使用插值方法实现非重要药代动力学纵向数据的插补。
• 形态测量学:迷路的可用于随机模拟缺失的形态计量数据，具有分类学偏见和解剖学偏见。
• 环境:鸟类学插补从空气生物学公共数据库导入的空气生物学数据集中的缺失数据。气候实现气候系列缺失数据填充功能。QUALYPSO公司可以处理缺失的数据，并为不完整的气候预测集合提供无偏见的气候变化响应估计。
• 社会科学:系数α在缺少数据的情况下，计算社会、行为和教育科学的系数Alpha。
• 因果推理：使用缺失数据进行因果推断的各种方法在有针对性的，使用增广IPW估计器。具有交互式固定效果模型的因果推断可在格辛斯，缺少的值由矩阵补全处理杜斯研究通过将do-calculus扩展到缺失数据。R6因果实现结构因果模型的R6类，其中可以指定缺失数据机制。匹配他们使用多种匹配方法匹配多重插补数据集，并为用户提供工具来估计每个插补数据集中的因果效应。玻璃纤维在修正的无根据假设和RCAL公司实现了针对缺失值和高维因果推断的正则化校正估计。
• 财务:inputeFin（插补财务）使用AR模型或随机游走处理金融时间序列中缺失值的插补。
• 财务：评分数据集中缺失数据插补的基本方法（平均值、中位数、模式……）在记分卡模型实用程序.信用模型可以处理信贷建模的缺失值处理。
• 偏好模型：偏好模型中的缺失数据通过复合链接方法处理，该方法允许在中计算MCAR和MNAR模式预处理.
• 行政记录/调查:BIFIE调查是一个非常通用的软件包，包含用于调查统计的工具，可以处理多重输入数据集。更具体地说，fastLink（快速链接）提供Fellegi-Sunter概率记录链接，允许丢失数据和包含辅助信息。eatRep公司在包含多个输入变量的复杂调查设计中实施复制方法，以及修改提供多元异常值检测和凸面EU可以处理欧盟统计局数据中的数据，并估算缺失值，以监测欧盟国家之间的趋同。
• 文献计量学:罗布斯特劳使用包含未分类参考文献的数据计算Rao-Stirling多样性指数（一个成熟的文献计量指标，用于衡量科学出版物的跨学科性）。超齿轮为系统综述和荟萃分析提供了书目数据中的热点插补。
• 农业:遗传学为多环境农艺试验实施插补技术。

CRAN包

相关链接

• Amelia II：缺失数据程序
• R-miss-tastic：关于缺失数据的资源网站

其他资源

• CRAN任务视图：官方统计
• CRAN任务视图：时空
• CRAN任务视图：生存
• CRAN任务视图：时间序列
• 生物导体包装：A计算
• 生物导体包装：插补
• 生物导体包装：市场关注度指数
• 生物导体包装：mixOmics公司
• 生物导体包装：msImpute（即时）
• 生物导体包装：pca方法
• 生物导体包装：proteDA公司
• 生物导体包装：蛋白质MM
• 生物导体包装：sc恢复
• 生物导体包装：snpStats（snpStat）