缺失数据的时间序列图

Posted 2023-02-16

【中文标题】缺失数据的时间序列图

【英文标题】：time series plot for missing data

【发布时间】：2022-01-06 14:00:13

【问题描述】：

我有一些序列事件数据，我想在 value 上绘制随时间变化的缺失趋势。示例如下：

        id    time  value
1    aa122      1     1
2   aa2142      1     1
3   aa4341      1     1
4    bb132      1     2
5   bb2181      2     1
6   bb3242      2     3
7   bb3321      2     NA
8    cc122      2     1
9   cc2151      2     2
10  cc3241      3     1
11   dd161      3     3
12  dd2152      3     NA
13  dd3282      3     NA
14   ee162      3     1
15  ee2201      4     2
16  ee3331      4     NA
17  ff1102      4     NA
18  ff2141      4     NA
19  ff3232      5     1
20   gg142      5     3
21  gg2192      5     NA
22  gg3311      5     NA
23  gg4362      5     NA
24   ii111      5     NA

NA 假设随着时间的推移而增加（行为正在消失）。如何跨时间绘制NA

【问题讨论】：

这完全取决于您的型号？！也许统计数据交换（交叉验证）是提出这个问题的更好地方？

一些想法：cran.r-project.org/web/packages/naniar/vignettes/…

感谢参考！ @JonSpring

【参考方案1】：

我想这就是你要找的东西？您想查看随着时间的推移出现了多少 NA。假设这是正确的，如果每次都是一个组，那么您可以计算每个组中出现的NA的数量

数据：

df <- structure(list(id = structure(1:24, .Label = c("aa122", "aa2142", 
"aa4341", "bb132", "bb2181", "bb3242", "bb3321", "cc122", "cc2151", 
"cc3241", "dd161", "dd2152", "dd3282", "ee162", "ee2201", "ee3331", 
"ff1102", "ff2141", "ff3232", "gg142", "gg2192", "gg3311", "gg4362", 
"ii111"), class = "factor"), time = c(1L, 1L, 1L, 1L, 2L, 2L, 
2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 4L, 4L, 4L, 4L, 5L, 5L, 5L, 5L, 
5L, 5L), value = c(1L, 1L, 1L, 2L, 1L, 3L, NA, 1L, 2L, 1L, 3L, 
NA, NA, 1L, 2L, NA, NA, NA, 1L, 3L, NA, NA, NA, NA)), class = "data.frame", row.names = c(NA, 
-24L))

library(tidyverse)
library(ggplot2)
df %>% 
  group_by(time) %>% 
  summarise(sumNA = sum(is.na(value)))

# A tibble: 5 × 2
   time sumNA
  <int> <int>
1     1     0
2     2     1
3     3     2
4     4     3
5     5     4

然后您可以使用ggplot2 进行绘制

df %>% 
  group_by(time) %>% 
  summarise(sumNA = sum(is.na(value))) %>%
  ggplot(aes(x=time)) +
  geom_line(aes(y=sumNA))

如您所见，随着时间的增加，NA 的数量也会增加

【讨论】：

感谢@neuron 的回答！这正是我一直在寻找的。我会编辑您的代码以显示百分比而不是总和：summarise(percent = 100 * n() / nrow( df ))