r - 将随机缺失值的精确比例添加到 data.frame

Question

我想添加随机 NA到 R 中的 data.frame。到目前为止，我已经研究了这些问题:

R: Randomly insert NAs into dataframe proportionaly

How do I add random NA s into a data frame

add random missing values to a complete data frame (in R)

这里提供了许多解决方案，但我找不到符合这 5 个条件的解决方案:

添加真正随机的 NA，而不是按行或按列添加相同的数量

处理在 data.frame 中可能遇到的每一类变量(数字、字符、因子、逻辑、ts..)，因此输出必须与输入 data.frame 或矩阵具有相同的格式。

保证输出中 NA 的确切数量或比例 [注意](许多解决方案导致 NA 数量较少，因为有几个是在同一位置生成的)

对于大数据集计算效率高。

独立于输入中已经存在的 NA 添加 NA 的比例/数量。

有人有想法吗？
我已经尝试编写一个函数来执行此操作(在第一个链接的答案中)，但它不符合第 3 和第 4 点。
谢谢。

[注意] 确切的比例，当然在 +/- 1NA 处四舍五入。

Answer 1

这是我在 library(imputeMulti) 上的论文中采用的方式目前正在 JSS 审查中。此插件NA是整个数据集的一个随机百分比并且可以很好地扩展，它不是 保修由于 n * p * pctNA %% 1 != 0 的情况下的确切数字.

createNAs <- function (x, pctNA = 0.1) {
  n <- nrow(x)
  p <- ncol(x)
  NAloc <- rep(FALSE, n * p)
  NAloc[sample.int(n * p, floor(n * p * pctNA))] <- TRUE
  x[matrix(NAloc, nrow = n, ncol = p)] <- NA
  return(x)
}

显然，您应该使用随机种子来实现可重复性，这可以在函数调用之前指定。

这是创建用于跨插补方法比较的基线数据集的一般策略。我相信这就是您想要的，尽管您的问题(如评论中所述)没有明确说明。

编辑 :我确实假设 x已完成。所以，我不确定它将如何处理现有的缺失数据。如果需要，您当然可以修改代码，尽管这可能会使运行时间至少增加 O(n*p)