R以大寫「NA」(not available)來表示遺漏值，資料分析應排除遺漏值，所以分析之前應該先完成設定遺漏值的工作。
編碼遺漏值
實務上在編碼時，經常以99或999來代表遺漏值。為了說明方便，繼續以class_new.RData為例，在現有10名學生之外，增加2筆包含遺漏值的資料：
> load(file="c:/Users/USER/downloads/class_new.RData")
> Alicia<-data.frame("Alicia", "F", 180, 999, 74) #增加一名學生Alicia，英文成績為遺漏值
> names(Alicia)<-c("name", "gender", "height", "english", "math") #命名Alicia的變數
> Wu<-data.frame("Wu", 999, 175, 68 ,75) #增加另一名學生Wu，性別未知
> names(Wu)<-c("name", "gender", "height", "english", "math") #命名Wu的變數
> class_new<-rbind(class_new, Alicia, Wu) #將Alicia與Wu新增至class_new
Warning message:
In `[<-.factor`(`*tmp*`, ri, value = 999) :
invalid factor level, NA generated
> class_new
name gender height english math
1 Anne F 171 81 60
2 Ariel F 168 90 89
3 Bruce M 174 66 58
4 Emma F 160 73 82
5 George M 170 77 64
6 Kevin M 188 96 90
7 Lewis M 182 97 88
8 Linda F 158 61 48
9 Roger M 168 86 85
10 Sarah F 156 89 93
11 Alicia F 180 999 74
12 Wu ‹NA› 175 68 75
將Alicia的英文成績999，以及Wu的性別999編碼為NA遺漏值：
> class_new$english[class_new$english==999]<-NA
> class_new$gender[class_new$gender==999]<-NA
> class_new
name gender height english math
1 Anne F 171 81 60
2 Ariel F 168 90 89
3 Bruce M 174 66 58
4 Emma F 160 73 82
5 George M 170 77 64
6 Kevin M 188 96 90
7 Lewis M 182 97 88
8 Linda F 158 61 48
9 Roger M 168 86 85
10 Sarah F 156 89 93
11 Alicia F 180 NA 74
12 Wu ‹NA› 175 68 75
檢測遺漏值
is.na()可以快速檢驗資料中是否含有遺漏值：
> sum(is.na(class_new)) #整份資料當中有多少遺漏值?
[1] 2
> is.na(class_new) #檢測全部資料
name gender height english math
1 FALSE FALSE FALSE FALSE FALSE
2 FALSE FALSE FALSE FALSE FALSE
3 FALSE FALSE FALSE FALSE FALSE
4 FALSE FALSE FALSE FALSE FALSE
5 FALSE FALSE FALSE FALSE FALSE
6 FALSE FALSE FALSE FALSE FALSE
7 FALSE FALSE FALSE FALSE FALSE
8 FALSE FALSE FALSE FALSE FALSE
9 FALSE FALSE FALSE FALSE FALSE
10 FALSE FALSE FALSE FALSE FALSE
11 FALSE FALSE FALSE TRUE FALSE
12 FALSE TRUE FALSE FALSE FALSE
> is.na(class_new$english) #檢測english單一變數
[1] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE
> is.na(class_new$gender) #檢測gender單一變數
[1] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE
也可以利用complete.cases()檢測每一筆個案的狀況。當資料完整時會傳回TRUE、有遺漏值時傳回FALSE。檢測發現最後2筆個案含有遺漏值：
> complete.cases(class_new)
[1] TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE TRUE FALSE FALSE
配合R x C篩選，complete.cases()也可以直接刪除每一筆含有遺漏值的個案。不過如果遺漏值太多，這麼一來將會刪除太多個案，這是必須要注意的地方。
> class_new_complete<-class_new[complete.cases(class_new),]
name gender height english math
1 Anne F 171 81 60
2 Ariel F 168 90 89
3 Bruce M 174 66 58
4 Emma F 160 73 82
5 George M 170 77 64
6 Kevin M 188 96 90
7 Lewis M 182 97 88
8 Linda F 158 61 48
9 Roger M 168 86 85
10 Sarah F 156 89 93
排除遺漏值
遺漏值的目的在於分析時可將之排除，避免統計失真。R利用na.rm=TRUE指令排除遺漏值。以英文成績為例，在未排除前無法計算，排除遺漏值後則可以計算全班英文成績平均。
> mean(class_new$english) #資料有遺漏值無法計算平均數
[1] NA
> mean(class_new$english, na.rm=TRUE) #排除遺漏值
[1] 80.36364
刪除遺漏值
在有遺漏值的情況下，大部分的計算都會面臨無法運算的窘境。面對遺漏值，可行的做法之一就是刪除含有遺漏值的個案，R對於處理遺漏值預設4種方法：
| na.fail() | 如果資料集有NA，則回傳錯誤 |
| na.omit() | 完全刪除含NA的個案，並回傳刪除個案後的資料集 |
| na.exclude() | 刪除含NA的個案，並回傳刪除個案後的資料集，但含有NA個案仍可以在其他統計中被計算 |
| na.pass() | 無論有沒有NA，都回傳原始資料 |
> na.fail(class_new)
Error in na.fail.default(class_new) : missing values in object
> na.omit(class_new)
name gender height english math
1 Anne F 171 81 60
2 Ariel F 168 90 89
3 Bruce M 174 66 58
4 Emma F 160 73 82
5 George M 170 77 64
6 Kevin M 188 96 90
7 Lewis M 182 97 88
8 Linda F 158 61 48
9 Roger M 168 86 85
10 Sarah F 156 89 93
> na.exclude(class_new)
name gender height english math
1 Anne F 171 81 60
2 Ariel F 168 90 89
3 Bruce M 174 66 58
4 Emma F 160 73 82
5 George M 170 77 64
6 Kevin M 188 96 90
7 Lewis M 182 97 88
8 Linda F 158 61 48
9 Roger M 168 86 85
10 Sarah F 156 89 93
> na.pass(class_new)
name gender height english math
1 Anne F 171 81 60
2 Ariel F 168 90 89
3 Bruce M 174 66 58
4 Emma F 160 73 82
5 George M 170 77 64
6 Kevin M 188 96 90
7 Lewis M 182 97 88
8 Linda F 158 61 48
9 Roger M 168 86 85
10 Sarah F 156 89 93
11 Alicia F 180 NA 74
12 Wu ‹NA› 175 68 75
預測遺漏值
遺漏值確實造成分析上的麻煩，除了刪除，還有沒有更好的方法？答案是有的。可以透過一些數學方法預測遺漏值，將遺漏值填補起來。常見的方法包含用平均數、中位數以及K-近鄰演算法(K-Nearest Neighbours, KNN)來預測遺漏值。
平均數與中位數
採用平均數與中位數背後的邏輯很簡單。由於平均數與中位數考量整體個案的資料分布，在預測遺漏值上是一個相對安全、保守的作法。
> mean_english<-mean(class_new$english, na.rm=TRUE) #計算全班英文成績
> class_new[11,4]<-round(mean_english) #將英文成績四捨五入後填入第11列第4欄，也就是Alicia的位置
> class_new
name gender height english math
1 Anne F 171 81 60
2 Ariel F 168 90 89
3 Bruce M 174 66 58
4 Emma F 160 73 82
5 George M 170 77 64
6 Kevin M 188 96 90
7 Lewis M 182 97 88
8 Linda F 158 61 48
9 Roger M 168 86 85
10 Sarah F 156 89 93
11 Alicia F 180 80 74
12 Wu ‹NA› 175 68 75
如果改採中位數則是81分，與平均數相去不遠。
> median(class_new$english, na.rm=TRUE
[1] 81
K-近鄰演算法-caret package
K-近鄰演算法從英文望文生義K-Nearest Neighbours的概念其實不難理解，它的概念很像「近朱者赤，近墨者黑」，兩個條件越相近的人，在各方面會越趨於一致。你和你的鄰居會有相似的經濟地位、相似的活動區域、相似的生活條件。換句話說，從鄰居的特質就可以大致預測你的特質。
利用K-近鄰演算法預測遺漏值的想法很簡單。以班級成績為例，現在已經有一群學生的性別、英文與數學成績，要預測Alicia的英文成績，我們應該先看Alicia的性別與數學成績和那些同學相近？然後再拿這些同學的英文成績平均或加權，作為Alicia的分數。也就是找出最近的鄰居，用它們的資料，來預測未知的遺漏值。
caret與DMwR2是R計算K-近鄰演算法常用的擴充套件。caret應用上比較繁瑣，但可以清楚knn的計算步驟；DMwR2最大的優勢是方便，可以一次就把所有遺漏值填補完畢。首先先來介紹利用caret如何預測遺漏值。
載入caret前置作業，必須先載入lattice、ggplot2兩個套件。然後再整理資料，剔除有遺漏值的個案：
> library(lattice) 載入lattice套件
> library(ggplot2) 載入ggplot2套件
> library(caret) 載入caret套件
> library(dplyr) 載入dplyr套件
> class_new_complete<-class_new[complete.cases(class_new),] #刪除含有遺漏值個案
> attach(class_new_complete)
完成所有前置作業後，可以呼叫caret套件裡的preProcess()，計算K-近鄰演算法。由於姓名、身高與考試成績不具關聯性，所以我們只挑選性別、英文、數學成績納入計算。挑選與遺漏值個案最接近的3個鄰居(k=3)來計算knn。
K到底要設定多少，會影響個案要和多少個鄰居做比較，進而影響最終分析結果。一般而言我們習慣將K設定為K=√n，n=個案數，並盡量讓K為奇數，避免個案沒有辦法歸類到哪一群鄰居的窘境。
> knn<-preProcess(class_new_complete %>% dplyr::select(gender, english, math), method="knnImpute", k=3, knnSummary=mean) #挑選gender、english、math以k=3來計算knn
> knn
Created from 10 samples and 3 variables #資料中有10筆個案、3個變數
Pre-processing:
- centered (2) #將2個變數(英文、數學)置中
- ignored (1) #忽略1個變數(性別)
- 3 nearest neighbor imputation (2) #k=3
- scaled (2) #將2個變數標準化(英文、數學)
knn分析結果：
> knn$mean
english math
81.6 75.7
> knn$std
english math
12.25833 16.40495
預測Alicia英文成績：
> class_predict<-predict(knn, class_new, na.action=na.pass) #KNN預測成績
> class_predict
name gender height english math
1 Anne F 171 -0.04894631 -0.95702850
2 Ariel F 168 0.68524829 0.81073115
3 Bruce M 174 -1.27260397 -1.07894296
4 Emma F 160 -0.70156372 0.38403055
5 George M 170 -0.37525502 -0.71319958
6 Kevin M 188 1.17471135 0.87168838
7 Lewis M 182 1.25628853 0.74977392
8 Linda F 158 -1.68048985 -1.68851526
9 Roger M 168 0.35893958 0.56690223
10 Sarah F 156 0.60367111 1.05456007
11 Alicia F 180 -0.23929305 -0.10362729
12 Wu ‹NA› 175 -1.10944961 -0.04267006
將標準化隨機變數，以n x 標準差 + 平均數公式還原，得知預測Alicia的英文成績為79分：
> class_predict_eng<-round(class_predict[,4]*12.25833+81.6) #還原英文成績並四捨五入
> class_predict_eng
[1] 81 90 66 73 77 96 97 61 86 89 79 68
> class_predict_math<-round((class_predict %>% dplyr::select(math))*16.40495+75.7) #還原數學成績並四捨五入
> class_predict_math
math
1 60
2 89
3 58
4 82
5 64
6 90
7 88
8 48
9 85
10 93
11 74
12 75
K-近鄰演算法-DMwR2 package
相較於caret計算繁瑣，DMwR2裡的knnImputation()，則可以一次全部補上預測的遺漏值。
knnImputation()可以透過設定meth屬性meth="weighAvg"或meth="median"，來預測數字或名義變數。
> library(DMwR2)
> class_new_DMwR2<-knnImputation(class_new, k=3)
> class_new_DMwR2
name gender height english math
1 Anne F 171 81.00000 60
2 Ariel F 168 90.00000 89
3 Bruce M 174 66.00000 58
4 Emma F 160 73.00000 82
5 George M 170 77.00000 64
6 Kevin M 188 96.00000 90
7 Lewis M 182 97.00000 88
8 Linda F 158 61.00000 48
9 Roger M 168 86.00000 85
10 Sarah F 156 89.00000 93
11 Alicia F 180 72.37666 74
12 Wu M 175 68.00000 75
上述結果，DMwR2 package預測Wu是男性，Alicia的英文成績為72分，與caret package預測的79分有些許誤差。