R语言for循环批量生成MCAR缺失值报错解决方法

问题背景 #

拟探究缺失值对心脏病数据集heart.ds的分析影响，需基于MCAR（完全随机缺失）机制生成缺失占比1%~10%的梯度缺失数据集，通过for循环批量实现时持续报错，需修正代码实现以下目标：

• 运行逻辑与单比例生成代码完全一致
• 输出各预设缺失比例对应的数据框
• 同步统计各数据集的缺失值总数

原错误实现代码 #

p = c(0.01,0.02,0.03,0.04,0.05,0.06,0.07,0.08,0.09,0.1) #generate missing values 1:10%
nmv = rep(0, length(p))
hd_mcar = rep(0, length(p))

for(i in p){
hd_mcar[i] <- delete_MCAR(heart.ds, length(p)) #creating missing values
nmv[i] <- sum(is.na(hd_mcar)) #checking the number of missing values genereated
}

运行报错信息 #

Error in check_delete_args_general(ds, p, cols_mis, n_mis_stochastic) : 
  probabilties in p must be between 0 and 1

可正常运行的单比例参考代码 #

#Missing Completely at Random(MCAR)
hd_mcar <- delete_MCAR(heart.ds, 0.05)
sum(is.na(hd_mcar))

错误原因 #

• 索引用法错误：直接用0.01~0.1的浮点值作为向量下标，R仅支持正整数作为向量/列表索引，浮点索引会触发取值异常
• 函数传参错误：delete_MCAR的缺失概率参数传了固定值length(p)=10，没有传入当前循环对应的缺失比例，超出了函数要求的0~1概率范围直接触发报错
• 存储结构错误：用原子向量存储data.frame类型的数据集，原子向量仅支持存储基础标量类型，无法存放表格类数据

修正后可直接运行的代码 #

# 提前加载依赖包，未安装可先运行 install.packages("missMethods")
library(missMethods)

# 配置1%~10%的缺失比例梯度
p <- seq(0.01, 0.1, by = 0.01)
# 初始化列表存储各比例的缺失数据集（列表支持存放任意类型的R对象）
hd_mcar_list <- vector("list", length(p))
# 初始化数值向量存储各数据集的缺失值总数
nmv_count <- numeric(length(p))

# 按正整数索引遍历所有缺失比例
for(i in seq_along(p)){
  # 传入当前比例生成MCAR缺失数据集，逻辑和单比例运行完全一致
  hd_mcar_list[[i]] <- delete_MCAR(ds = heart.ds, p = p[i])
  # 统计当前数据集的缺失值总数
  nmv_count[i] <- sum(is.na(hd_mcar_list[[i]]))
}

# 为结果添加名称，方便按缺失比例快速索引
names(hd_mcar_list) <- paste0("MCAR_", p*100, "pct")
names(nmv_count) <- paste0("MCAR_", p*100, "pct")

调用方式 #

• 取5%缺失比例的数据集：直接调用hd_mcar_list[["MCAR_5pct"]]，输出结果和单跑5%比例的代码完全一致
• 查看各数据集缺失值总数：直接打印nmv_count即可看到对应比例下的缺失值统计结果

内容的提问来源于stack exchange，提问作者Maale Faustus