##設(shè)置工作空間

#把“數(shù)據(jù)及程序” 文件夾復(fù)制到F盤下， 再用setwd設(shè)置工作空間

setwd（"F： /數(shù)據(jù)及程序/chapter4/示例程序"）

#讀取銷售數(shù)據(jù)文件， 提取標(biāo)題行

inputfile=read.csv（'./data/catering_sale.csv'， he=T）

#變換變量名

inputfile=data.frame（sales=inputfile$'銷量'， date=inputfile$'日期'）

#數(shù)據(jù)截取

inputfile=inputfile［5： 16， ］

#缺失數(shù)據(jù)的識(shí)別

is.na（inputfile） #判斷是否存在缺失

n=sum（is.na（inputfile） ） #輸出缺失值個(gè)數(shù)#異常值識(shí)別

par（mfrow=c（1， 2） ） #將繪圖窗口劃為1行兩列， 同時(shí)顯示兩圖

dotchart（inputfile$sales） #繪制單變量散點(diǎn)圖

boxplot（inputfile$sales， horizontal=T） #繪制水平箱形圖

#異常數(shù)據(jù)處理

inputfile$sales［5］ =NA #將異常值處理成缺失值

fix（inputfile） #表格形式呈現(xiàn)數(shù)據(jù)

#缺失值的處理

inputfile$date=as.numeric（inputfile$date） #將日期轉(zhuǎn)換成數(shù)值型變量

sub=which（is.na（inputfile$sales） ） #識(shí)別缺失值所在行數(shù)

inputfile1=inputfile［-sub， ］ #將數(shù)據(jù)集分成完整數(shù)據(jù)和缺失數(shù)據(jù)兩部分inputfile2=inputfile［sub， ］#行刪除法處理缺失， 結(jié)果轉(zhuǎn)存result1=inputfile1#均值替換法處理缺失， 結(jié)果轉(zhuǎn)存avg_sales=mean（inputfile1$sales） #求變量未缺失部分的均值

inputfile2$sales=rep（avg_sales， n） #用均值替換缺失

result2=rbind（inputfile1， inputfile2） #并入完成插補(bǔ)的數(shù)據(jù)

#回歸插補(bǔ)法處理缺失， 結(jié)果轉(zhuǎn)存

model=lm（sales~date， data=inputfile1） #回歸模型擬合

inputfile2$sales=predict（model， inputfile2） #模型預(yù)測(cè)

result3=rbind（inputfile1， inputfile2）

#多重插補(bǔ)法處理缺失， 結(jié)果轉(zhuǎn)存

library（lattice） #調(diào)入函數(shù)包library（MASS）library（nnet）

library（mice） #前三個(gè)包是mice的基礎(chǔ)

imp=mice（inputfile， m=4） #4重插補(bǔ)， 即生成4個(gè)無(wú)缺失數(shù)據(jù)集

fit=with（imp， lm（sales~date， data=inputfile） ） #選擇插補(bǔ)模型

pooled=pool（fit）

summary（pooled）

result4=complete（imp， action=3） #選擇第三個(gè)插補(bǔ)數(shù)據(jù)集作為結(jié)果