如何在R语言中从dataframe生成X矩阵？解决空矩阵问题

我有一个名为prediction_set的dataframe，包含因变量lnpercapitaconsumption（即y）和所有可能的预测变量。我想从中生成y向量和X矩阵，尝试了以下代码，但仅生成了带有列名的空矩阵，该如何解决？

# 存储数据框
prediction_set <- subset(df_clean, is.na(df_clean$lnpercapitaconsumption))

# 为预测集创建X矩阵和y向量
X_prediction_set <- model.matrix(lnpercapitaconsumption ~ ., prediction_set)
y_prediction_set <- prediction_set$lnpercapitaconsumption

我的dataframe样本如下：

> dput(prediction_set[1:20, c(1, 74)])
structure(list(lnpercapitaconsumption = c(NA_real_, NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_, NA_real_, NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_, NA_real_, NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_), h_hhsize = c(1L, 3L, 
4L, 9L, 8L, 3L, 6L, 5L, 4L, 1L, 5L, 1L, 4L, 1L, 2L, 3L, 4L, 6L, 
5L, 4L)), row.names = c(NA, 20L), class = "data.frame")

问题原因 #

model.matrix()默认会删除所有包含NA的行，但你的预测集里因变量lnpercapitaconsumption全为NA，导致所有行都被剔除，最终生成空矩阵。而预测集的因变量本身就是缺失的，不需要用它来筛选行。

解决代码 #

你可以通过以下两种方式构建正确的X矩阵：

方法1：在公式中排除因变量 #

直接在公式里指定使用所有变量，但排除因变量列：

X_prediction_set <- model.matrix(~ . - lnpercapitaconsumption, data = prediction_set)

方法2：先移除因变量列再构建矩阵 #

先从dataframe中剔除因变量列，再用剩余列生成矩阵：

# 提取除lnpercapitaconsumption外的所有列
pred_vars <- prediction_set[, !names(prediction_set) %in% "lnpercapitaconsumption"]
X_prediction_set <- model.matrix(~ ., data = pred_vars)

说明 #

• 两种方法都能避开因变量全为NA导致的行删除问题，生成包含所有预测变量的X矩阵。
• 你的y向量代码y_prediction_set <- prediction_set$lnpercapitaconsumption是正常的，预测集的y值本身就是缺失的，符合预期。

内容的提问来源于stack exchange，提问作者TFT