问题标签 [missing-data]

我有下表记录每天的值。问题是有时几天不见了。我想编写一个 SQL 查询，它将：

1. 归还缺失的日子
2. 使用线性插值计算缺失值

所以从下面的源表：

我想返回：

任何帮助将不胜感激。

我有一个与当前目录中的 rails 项目相同或相似的遥控器。为了同步两者，我做

问题是我在工作副本中的一些文件被添加了（即不在远程中），所以当我这样做时

它应该显示一堆未跟踪的文件。相反，我看到来自 repo 的文件已过期。
为什么它不要求我解决这些文件中的冲突？我的旧文件在哪里？

我正在尝试通过调用 Windows API 使用 C# .NET 截取窗口的屏幕截图。我想出了以下代码：

获取窗口截图是一系列常见的 Windows API 调用。

请注意，我不是在寻找获取屏幕截图的替代方法。我想比较这种（固定）方法的速度和 .NETGraphics.CopyFromScreen()方法的速度。

问题是，当我尝试截取运行 Windows 7 的最大化窗口的屏幕截图时，标题栏和边框（有时还有窗口的其他部分）为 black。

我认为这是由于窗口是分层的，或者是因为窗口的标题栏由窗口本身管理，因此无法访问像素信息（正如我在某处读过的那样）。

有谁知道如何解决这种行为？

我已经使用 R 中的 MICE 包成功完成了对问卷研究缺失数据的多重插补，并对汇总的插补变量进行了线性回归。我似乎无法弄清楚如何提取单个汇集变量并在图表中绘图。有任何想法吗？

例如

我想通过 TMAS 绘制汇集的 APE。

使用 nhanes 的可重现示例：

我想针对池化 bmi 绘制池化 chl（例如）。

我能做到的最好的是

我相信这给出了所有 5 个插补的组合图，并不是我想要的（我认为）。

我有一个单元数组，每个数组都包含一系列值作为行向量。序列包含一些由 表示的缺失值NaN。

我想使用某种插值方法替换所有 NaN，我怎样才能在 MATLAB 中做到这一点？我也对如何处理这些缺失值的其他建议持开放态度。

考虑这个样本数据来说明问题：

结果序列：

编辑：

根据回复，我认为存在混淆：显然我不是在使用随机数据，上面显示的代码只是数据结构的一个示例。

实际数据是某种形式的处理信号。问题是在分析过程中，如果序列包含缺失值，我的解决方案将失败，因此需要过滤/插值（我已经考虑使用每个序列的平均值来填补空白，但我希望有更强大的东西）

好的，诚然，我对核心数据还很陌生，但仍然没有我想的那样知识渊博。我正在使用我自己输入并添加的值（使用 sqlite 编辑器 Base）从数据库中检索一些非常基本的数据。

我在我的模拟器中得到了一切工作，我认为生活只是花花公子，但我进去并在我的 2g iPod touch 上安装了应用程序，当我的 pickerview 去获取数据时......那里什么都没有！我想这并不奇怪，但我认为应用程序构建只会复制我设置的数据库？

到底是怎么回事？我需要做什么才能使我的应用程序的所有下载者都可以使用预加载的数据？

谢谢！

我的问题很简单，但是在尝试了很多事情后我无法解决。

我有两个数据框。

我可以做一个来lm(a ~ b)适应数据吗？ab

如果我这样做，我如何忽略NA数据？

谢谢，丹

我想删除此数据框中的行：

a)在所有列中包含s。NA下面是我的示例数据框。

基本上，我想获得如下数据框。

b）仅在某些列中包含NAs ，因此我也可以得到以下结果：

我有一个来自问卷调查的大数据集。将它从 SPSS 导入到 R（使用 SPSS 的 Stata-Output）给了我每个问题的答案作为因素。

一个问题的答案从 1 到 10。但是，有很多缺失值。R 也能识别它们。

但是，现在我想做一些计算 - 例如我想计算答案的平均值（不是很好的统计数据，我知道，没关系）。

所以我必须将因素重新编码为数字。我用as.numeric().

但是，现在我缺少编码为 11 到 14 的值。当然，我无法计算出任何这样的平均值。

将因子重新编码为数字并告诉 R 将任何大于 10 的值设置为 NA 的正确方法是什么？

例：你喜欢吃鱼吗？

许多调查都有不同类型缺失的代码。例如，密码本可能表明：

0-99 数据

-1 未提出问题

-5 不知道

-7 拒绝回应

-9 未询问模块

Stata 有一个很好的工具来处理这些多种缺失，因为它允许你分配一个通用的 . 缺失数据，但也允许更具体的缺失类型（.a、.b、.c、...、.z）。所有查看缺失的命令都会报告所有缺失条目的答案，但您也可以稍后整理出各种缺失。当您认为拒绝回应对插补策略的影响与未提出问题的影响不同时，这尤其有用。

我从未在 R 中遇到过这样的设施，但我真的很想拥有这种能力。有什么方法可以标记几种不同类型的 NA？我可以想象创建更多的数据（或者包含缺失类型的长度为 nrow(my.data.frame) 的向量，或者包含哪些行具有哪些缺失类型的更紧凑的索引），但这看起来非常笨拙。