代码+视频，R言语处理数据中的缺失值

在SCI论文中，我们不可避免和缺失数据打交道，特别是在回顾性研究，对于缺失的协变量（就是混杂因素），我们可以使用插补补齐数据，但是对于结局变量和原因变量的缺失，我们不能这么做。部分人的做法是直接删除掉这部分的数据（如SEER数据库），有些高分SCI杂志的审稿人会问你缺失数据的情况和你是怎么处理的，如果我们能附上一个缺失数据和未缺失数据比较的表格，可以起到一表抵千言万语的作用，如下图。

如表格所示，如果比较出缺失数据和未缺失数据P值大于0.05，说明数据为随机缺失，删除后对数据分布没有影响，但如果小于0.05，你删除这部分数据则要说明删除原因。

今天咱们视频演示一下如何R语言做出上面的表格

R言语处理数据中的缺失值

代码

r 复制代码

library(foreign)
library("survival")
library(tidyverse)
library(compareGroups)
bc<-read.spss("E:/r/test/Breast cancer survival agec.sav",
                use.value.labels=F, to.data.frame=T)
head(bc,10)

# age表示年龄，pathsize表示病理肿瘤大小（厘米），lnpos表示腋窝淋巴结阳性，histgrad表示病理组织学等级，
# er表示雌激素受体状态，pr表示孕激素受体状态，status结局事件是否死亡，pathscat表示病理肿瘤大小类别（分组变量），
# ln_yesno表示是否有淋巴结肿大，time是生存时间，后面的agec是我们自己设定的，不用管它。

#假设我们想知道er表示雌激素受体状态和结局死亡的关系，我们看到er还是有很多缺失值的，我们先要把这部分缺失值提出来

bc1<-bc%>%
  mutate(
    cancelled=is.na(er)
  )

bc1$cancelled<-ifelse(bc1$cancelled=="TRUE",1,0)

##分类变量转成因子
bc1$lnpos <- factor(bc1$lnpos)
bc1$histgrad <- factor(bc1$histgrad)
bc1$pr <- factor(bc1$pr)
bc1$status<- factor(bc1$status)
bc1$pathscat<- factor(bc1$pathscat)
bc1$ln_yesno<- factor(bc1$ln_yesno)
bc1$cancelled<-factor(bc1$cancelled)

###生成表格
descrTable(cancelled~ .-er, data = bc1)  ##要减掉er这个变量

# status:                             0.927   
# 0     818 (94.1%) 317 (93.8%)           
# 1     51 (5.87%)  21 (6.21%)    

#换个方式
descrTable(status~cancelled, data = bc1)

# cancelled:                          0.927   
# 0      818 (72.1%) 51 (70.8%)           
# 1      317 (27.9%) 21 (29.2%)