prcomp()缺失值估算的最佳选择

Question

我有一个数据集的基因型大约200个个体基因组(列)，近1,000,000位点(行)。由于测序数据差，大多数行包含1-2个缺失基因型。

如果我用

df_new = na.omit(df)

我的新数据框架仅包含几千行，导致的数据损失比我估计的每行丢失一个或两个值要大得多。我一直在网上寻找如何与na.option和prcomp()一起使用估算选项，但找不到例子。我想从最简单的方法开始，例如用中值或类似的值替换NA。

有人能告诉我如何在prcomp的上下文中这样做吗？

Answer 1

现在我明白你的问题了，见下面的例子：

library(plyr)

   
     ddply(df_new, ~ my_groups, transform,
         missing value column = ifelse(is.na(missing value column), 
                      median(missing value column, na.rm = TRUE), 
                                 missing value column))

  #missing value column is the column that consist the missing value
  #my_groups could be the first column of df_new

我希望这能行。