给定损坏的数据集，如何预测原始数据？

Question

比方说，用户可以选择在客户端输入 0 或将其留空（NA），但系统会将某些用户留空的 NA 更改为 0，当他们到达我们的数据库时。

如何预测或估算损坏的数据以正确地将那些 0 重置为 NA？

PS： 新系统不会改变值，所以我的老板希望我在给定新数据的情况下正确预测/估算旧的损坏数据......

我已经厌倦了 MICE、KKN、PCA 插补方法，但这些方法只会将数据更改为其他数字而不是 NA。有没有办法做到这一点？

估算数据：

 0.0015 0.0252   0.0159  0.0116 -0.0431 0.0252  -0.0058
-0.0955 0.0373   0.0437  0.0342  0.0348 0.0412  -0.0650
-0.1685 0.1113  -0.0399 -0.1207 -0.0243 0.1190   0.0300

例如来自新数据集的一些值：

 0.0015 0.0252   0.0159 0.0116  -0.0431 NA      -0.0058 
-0.0955 0.0373   0.0437 0        0.0348 0.0412  -0.065
-0.1685 0.1113  -0.0399 -0.1207 -0.0243 0.1190       NA

旧值可能是这样的：（我现在只是简化一下，旧数据与具有大量 0 且没有 NA 的新数据完全不同）

 0.0015 0.0252   0.0159  0.0116 -0.0431 0       -0.0058 
-0.0955 0.0373   0.0437  0.0036  0.0348 0.0412  -0.065
-0.1685 0.1113  -0.0399 -0.1207 -0.0243 0.1190   0

我的老板希望我将旧数据归入新数据，而不是将 0 值替换为不同模型生成的一些预测数字，而是将它们替换为 NA。

Answer 1

如果您想用NAs 替换所有0s，您可以通过

df[df == 0] <- NA

但这当然也意味着，您正在替换最初为 0 的值。正如您所描述的那样，没有办法防止这种情况发生。您必须获取原始数据集（在您的数据库自动将 NA 更改为 0 之前）才能执行此操作。