在进行小鼠插补并保存结果后，如何使缺失值保持不变？答案

【问题标题】：How do I keep my missing values to stay the same after I do mice imputation and save my results?在进行小鼠插补并保存结果后，如何使缺失值保持不变？
【发布时间】：2022-01-22 15:08:04
【问题描述】：

作为一个新的 R 用户，我无法理解为什么我的数据框中的 NA 值不断变化。我在 Kaggle 上运行我的代码。也许这就是我的问题所在？

Original dataframe titled "abc"

有多个列具有 NA 值，因此我决定尝试使用多重插补来处理 na 值。

所以我创建了一个新数据框，其中仅包含具有 na 值的列并开始插补 This is the new dataframe titled "abc1"

abc1 <- select(abc, c(9,10,15,16,17,18,19,25,26))

#mice imputation
input_data = abc1

my_imp = mice(input_data, m=5, method="pmm", maxit=20)

summary(input_data$m_0_9)
my_imp$imp$m_0_9

当插补开始时，它会创建 5 个包含新值的列，以填充 m_0_9 列的 NA 值，然后我选择哪一列。

Imputation of column 'm_0_9'

然后我运行这段代码：

final_clean_abc1 <- complete(my_imp,5)

这会将最后一张图像的第 5 列的值分配给我的“abc1”数据帧中的 NA 值，并保存为“final_clean_abc1”。

最后，我用“final_clean_abc1”中的新列替换原始“abc”数据框中缺失值的列。

我知道这可能不是最干净的：

abc$m_0_9 <- final_clean_abc1$m_0_9
abc$m_10_12 <- final_clean_abc1$m_10_12
abc$f_0_9 <- final_clean_abc1$f_0_9
abc$f_10_12 <- final_clean_abc1$f_10_12
abc$f_13_14 <- final_clean_abc1$f_13_14
abc$f_15 <- final_clean_abc1$f_15
abc$f_16 <- final_clean_abc1$f_16
abc$asian_pacific_islander <- final_clean_abc1$asian_pacific_islander
abc$american_indian <- final_clean_abc1$american_indian

现在我有一个没有缺失值的数据框“abc”，这就是我的问题出现的地方。我应该在 m_0_9 列的第 10 行看到“162”，但是当我保存我的代码并在 Kaggle 上查看它时，我得到该特定行和列的值“7”。如下图所示。

"abc" dataframe with no NA values

希望这是有道理的，我尽量做到具体。

【问题讨论】：

欢迎！请务必使用dput(your_data) 或dput(head(your_data)) 制作your example reproductible，而不是截图，其他人无法使用
首先，我希望您知道您使用鼠标的方式并不规范：多重插补意味着您同时使用多个插补，而不是只选择一个插补。这个想法是，几个插补之间的方差代表了您对缺失值的不确定性。你这样做的方式，就像你真的知道缺失值一样。无论如何，关于你的问题：我不知道 Kaggle 做了什么，但也许它会在保存/查看时重新运行你的代码，改变mice 使用的随机数。尝试在使用 mice() 之前设置种子，如下所示：set.seed(123)

标签： r dataframe imputation r-mice

【解决方案1】：

在小鼠中进行了多个随机过程来为一个目标值估算多个值，然后对其进行平均。每次运行鼠标时，您不应期望得到相同的结果。

来自 MICE 文档

在第一步中，具有缺失值的数据集（即不完整的数据集）被复制了几次。然后在下一步中，缺失值被替换为每个副本中的估算值数据集。在每个副本中，由于估算值略有不同为随机变化。这会产生多个估算数据集。在里面第三步，对估算的数据集进行分析和研究然后将结果汇总到最终的研究结果中。在这一章当中，多重插补的第一阶段，即插补步骤，是主题。在下一章中，分析和汇集阶段是讨论过。

https://bookdown.org/mwheymans/bookmi/multiple-imputation.html

【讨论】：

【解决方案2】：

我们有一个wonderful series of vignettes，详细说明了mice 的使用。本系列的一部分是算法的随机性以及如何解决这个问题。设置mice(yourdata, seed = 123) 每次都会产生相同的多重插补。

【讨论】：