Remplacer les valeurs manquantes

Dans le dernier exercice, vous avez remarqué que, pour six observations, la valeur de RelationalNeighborSecond était manquante. Dans cet exercice, vous allez remplacer ces valeurs manquantes par 0.

Cet exercice fait partie du cours

Analytique prédictive avec des données en réseau sous R

Afficher le cours

Instructions

Utilisez summary() pour examiner la fonctionnalité RelationalNeighborSecond.
Trouvez les indices des observations manquantes avec which() et affectez-les à la variable toReplace.
Utilisez le vecteur toReplace pour remplacer les valeurs manquantes dans studentnetworkdata$RelationalNeighborSecond par zéro.
Réexaminez RelationalNeighborSecond pour vérifier qu’il n’y a plus de valeurs manquantes.

Exercice interactif pratique

Essayez cet exercice en complétant cet exemple de code.

# Inspect the feature
___(studentnetworkdata$RelationalNeighborSecond)

# Find the indices of the missing values
toReplace <- ___(is.na(studentnetworkdata$___))

# Replace the missing values with 0
studentnetworkdata$RelationalNeighborSecond[___] <- ___

# Inspect the feature again
___(___$___)

Modifier et exécuter le code