prcomp() 缺失值插补的最佳选择

Question

我有近 1,000,000 个位点（行）的大约 200 个个体基因组（列）的基因型数据集。由于测序数据不佳，大多数行包含 1-2 个缺失的基因型。

如果我用

df_new = na.omit(df)

我的新数据框只包含几千行，导致数据损失比每行输入一两个缺失值要大得多。我一直在网上寻找如何使用与 na.option 关联的插补选项和 prcomp()，但找不到示例。我想从最简单的方法开始，例如用中值或类似的值替换 NA。

有人可以告诉我如何在 prcomp 的上下文中执行此操作的示例吗？

Answer 1

现在我明白你的问题了，请看下面的例子：

library(plyr)

   
     ddply(df_new, ~ my_groups, transform,
         missing value column = ifelse(is.na(missing value column), 
                      median(missing value column, na.rm = TRUE), 
                                 missing value column))

  #missing value column is the column that consist the missing value
  #my_groups could be the first column of df_new

我希望这能奏效。

prcomp() 缺失值插补的最佳选择

Best option for missing value imputation for prcomp()

r

pca

prcomp