1. 剔除含有缺失值的案例（行）

algae[!complete.case(algae),]%找出algae資料集中具有缺失值的全部案例

剔除分兩種：一種是剔除具有缺失值的全部案例；另一種是剔除缺失值較多的案例。

（1）刪除algae資料集中具有缺失值的全部案例：algae <- na.omit(algae) 

（2） 剔除algae資料集中缺失值較多的案例

Step1：manyNAs<- manyNAs(algae,0.2) 

%給出algae資料集缺失值較多案例所在的行數，其中0.2表示一個案例中缺失的屬性佔總屬性的20%，為預設值，使用者可根據自己的需求進行設定。

Step2：algae1 <- algae[-manyNAs,] 

           %刪除algae資料集中缺失值較多的案例，並將結果儲存在algae1中。

2.  填充有缺失值的案例

（1）  用集中趨勢值填充

       填補缺失資料最簡潔的方法是選用代表集中趨勢的值，而集中趨勢值有平均值、中位數、眾數等多種，具體選擇哪一種得因具體情況而定。對於服從正態分佈的資料，選擇平均值最佳。對偏態分佈或者有離群值的分佈而言，中位數是更好的代表資料中心趨勢的指標。對偏態分佈或者有離群值的分佈而言，中位數是更好的代表資料中心趨勢的指標。

algae[48,"mxPH"] <- mean(algae$mxPH, na.rm=T) % algae資料集中第48

algae[is.na(algae$Chla),"Chla"] <- median(algae$Chla,na.rm=T) % algae資料集中Chla屬性的缺失值用Chla屬性的中位數填充（填充一列缺失值）

注：R中檢測資料服從正態分佈的方法可參考-使用R檢測資料是否符合正態分佈一文（http://blog.csdn.net/S_gy_Zetrov/article/details/69488483）。本文僅給出夏皮羅-威爾克（Shapiro-Wilk）檢驗法（也稱W檢驗法），具體步驟：

Step1：algae<- na.omit(algae)  

Step2：shapiro.test(algae$mxPH) % 判斷algae資料集的mxPH屬性是否服從正態分佈，結果如圖1所示，將結果中的p-value與α（一般為0.05）進行比較，若p-value > α，則服從正態分佈，否則不服從。

圖1 Shapiro-Wilk檢驗法

（2） 根據變數之間的相關關係填充

Step1：cor(algae[,4:18],use= "complete.obs") 

          % 計算algae資料集第4列至第18列屬性的相關性，引數use="complete.obs"可以使R在計算相關值時忽略含有NA的紀錄。

 Step2：symnum(cor(algae[,4:18],use = "complete.obs")) 

          % 將數值形式的結果轉化為圖2的形式。由圖2可知po4與OPO4成強相關性，相關係數介於0.9~0.95。

圖2 algae資料集第4列至第18列屬性的相關性

 Step3：lm(PO4~OPO4,data=algae)

% 建立PO4與OPO4之間的線性關係，結果如圖3所示，由圖3可知：PO4 = 45.602 + 1.278×oPO4

圖3 PO4與oPO4線性關係

 Step4：根據PO4與OPO4線性關係式，用OPO4填充PO4。

> algae<-algae[-manyNAs(algae),] %刪除algae資料集中缺失值較多的案例

> fillPO4<-function(oP){

+     if(is.na(oP))

+         return(NA)

+     else return(45.602+1.278*oP)

+ }    

> algae[is.na(algae$PO4),"PO4"]<-sapply(algae[is.na(algae$PO4),"oPO4"],fillPO4)

> algae

（3）根據案例之間的相似性填充

       R中常用函式knnImputation()實現通過案例（行）之間的相似性來填充缺失值的目的。它根據KNN演算法找到任何案例最近的k個鄰居，在K在最近鄰案例中通過設定函式值（一般會選取均值、中位數、眾數等）來填充缺失值。使用方法如下：

algae<-knnImputation(algae,k=10,meth="median")  % 選取10個最近鄰案例，用這10個案例的中位數填充缺失值。