数据的探索， 缺失值的验证，缺失值的回归差值，缺失值坐标，某一类是否是类别变量，查看类别变量的水平（R）

验证数据集中是否有缺失值                      sum(is,na(data))   返回缺失值的个数

缺失值在哪                                               which(is.na(data), arr.ind=T)                       arr.int 返回缺失值相应的行坐标

如果没有which（arr.ind=T） 那么会返回具体的缺失值

直接删除有缺失值的行                              data <-  na.omit(data)           

 检验类别变量                    is.factor(data)  返回bool类型

查看类别水平                  print（factor(data[,1])）  会把所有的数据全部打印出来

                                        levels(data[,1])     只会打印出类别

 

 

回归法，对缺失值进行插补

首先有一个数据集 data   ，在这个数据集中有一行有缺失值，有一行完全没有缺失值，一共有两行数据

sign <- which(is.na(data[,2]), arr.ind=T)   得到第二行的数据中与缺失值的行号

data2 <- data[-sign]      得到除去有缺失值的行的数据的子集

data3 <- data[sign]        得到在原始数据集中，包含有缺失值的行所形成的的子集

fit <- lm(y~x,data=data2)   其中 y与x分别为数据框的列的名称，这样得到一个拟合模型

data[sign,2] <- predict(fit, data3) 对缺失值进行预测，并将预测的结果加进原始的数据集， 这里的data3其实只有一列数据