CASO: BANCO “PERUBANK”
“PERUBANK” Es una institución financiera que cuenta con miles de clientes en todo el territorio nacional, esta organización brinda un conjunto de servicios a personas o empresas. En uno de sus servicios sobre préstamos personales en su cartera de clientes se registra y se hace seguimiento de los prestamos ofrecidos a tales clientes. Para la institución es importante evaluar la morosidad de los prestamos brindados, por lo que registra los datos y el seguimiento que se realiza durante un periodo. Los datos de “Ejemplo_banco_missing.csv” corresponden a los registros de los clientes que solicitaron un préstamo y si este fue cancelado o terminó en mora, en este ejemplo las variables que se toman en cuenta son: • Sexo: El género del cliente • Fono: Si el cliente tiene teléfono personal • Edad: Edad del cliente • Hijos: Número de hijos del cliente • Garante: Si el cliente cuenta con garante • Aval: Si el cliente avala algún préstamo • Meses: Meses que el cliente registra en la institución • Renta: Renta del cliente • Mora: Resultado del prestamos (si fue mora o no)
#Cargamos Datos
#Cargar
banco<-read.csv("https://raw.githubusercontent.com/VictorGuevaraP/Estadistica-R/master/Ejemplo_banco_missing.csv",
sep = ";" , stringsAsFactors = TRUE)
head(banco)
## sexo fono edad hijos garante aval meses renta mora
## 1 Masculino Si 44 3 Si Si 63 Fija No
## 2 Masculino Si 77 4 Si No 62 Fija Si
## 3 Masculino No 59 5 No Si 59 Fija Si
## 4 Masculino No 35 5 Si Si 58 Fija Si
## 5 Masculino Si 65 0 No Si 56 Fija No
## 6 Femenino Si 66 1 No No 54 Fija No
#Verficamos
which(colSums(is.na(banco))!=0)
## edad hijos meses
## 3 4 7
Realizar el analisis utilizando librerias
library(VIM)
library(mice)
missingraf=aggr(banco,numbers=T)
summary(missingraf)
##
## Missings per variable:
## Variable Count
## sexo 0
## fono 0
## edad 5
## hijos 2
## garante 0
## aval 0
## meses 2
## renta 0
## mora 0
##
## Missings in combinations of variables:
## Combinations Count Percent
## 0:0:0:0:0:0:0:0:0 91 91
## 0:0:0:0:0:0:1:0:0 2 2
## 0:0:0:1:0:0:0:0:0 2 2
## 0:0:1:0:0:0:0:0:0 5 5
#Matrizxplot
matrixplot(banco)
banco[38:45,]
## sexo fono edad hijos garante aval meses renta mora
## 38 Femenino No 57 5 Si Si 43 Fija Si
## 39 Masculino No 61 0 Si Si 43 Fija No
## 40 Masculino Si 61 0 Si No 43 Variable No
## 41 Masculino No 66 2 Si No 43 Fija No
## 42 Masculino No 67 0 Si Si NA Fija No
## 43 Masculino No NA 1 No Si 43 Fija Si
## 44 Masculino No 75 0 Si Si 43 Fija No
## 45 Masculino No 60 5 Si Si 42 Fija Si
Otras presentaciones
library(mice)
md.pattern(banco,rotate.names = T)
## sexo fono garante aval renta mora hijos meses edad
## 91 1 1 1 1 1 1 1 1 1 0
## 5 1 1 1 1 1 1 1 1 0 1
## 2 1 1 1 1 1 1 1 0 1 1
## 2 1 1 1 1 1 1 0 1 1 1
## 0 0 0 0 0 0 2 2 5 9
Libreria visdat
library(visdat)
vis_dat(banco)
Columnas en %
vis_miss(banco)
#Correcion con Missing Eliminar filas o columnas
banco_corregido1<- na.omit(banco)
which(colSums(is.na(banco_corregido1))!=0)
## named integer(0)
## named integer(0)
Libreria DMWR2
library(DMwR2)
banco_corregido2 <-centralImputation(banco) #DMWR2, mediana (numerico), moda (no numerico)
str(banco_corregido2)
## 'data.frame': 100 obs. of 9 variables:
## $ sexo : Factor w/ 3 levels "","Femenino",..: 3 3 3 3 3 2 2 3 3 3 ...
## $ fono : Factor w/ 2 levels "No","Si": 2 2 1 1 2 2 2 1 2 1 ...
## $ edad : int 44 77 59 35 65 66 73 73 74 75 ...
## $ hijos : num 3 4 5 5 0 1 5 0 0 1 ...
## $ garante: Factor w/ 2 levels "No","Si": 2 2 1 2 1 1 2 1 1 2 ...
## $ aval : Factor w/ 3 levels "","No","Si": 3 2 3 3 3 2 3 2 3 3 ...
## $ meses : num 63 62 59 58 56 54 53 53 53 53 ...
## $ renta : Factor w/ 3 levels "","Fija","Variable": 2 2 2 2 2 2 2 2 2 2 ...
## $ mora : Factor w/ 2 levels "No","Si": 1 2 2 2 1 1 2 1 1 2 ...
which(colSums((is.na(banco_corregido2)))!= 0)
## named integer(0)
Libreria VIM
banco_corregido3 <- initialise(banco, method = "median") #media (contunuos) mediana (disretos), moda(no numerico)
str(banco_corregido3)
## 'data.frame': 100 obs. of 9 variables:
## $ sexo : Factor w/ 3 levels "","Femenino",..: 3 3 3 3 3 2 2 3 3 3 ...
## $ fono : Factor w/ 2 levels "No","Si": 2 2 1 1 2 2 2 1 2 1 ...
## $ edad : int 44 77 59 35 65 66 73 73 74 75 ...
## $ hijos : num 3 4 5 5 0 1 5 0 0 1 ...
## $ garante: Factor w/ 2 levels "No","Si": 2 2 1 2 1 1 2 1 1 2 ...
## $ aval : Factor w/ 3 levels "","No","Si": 3 2 3 3 3 2 3 2 3 3 ...
## $ meses : num 63 62 59 58 56 54 53 53 53 53 ...
## $ renta : Factor w/ 3 levels "","Fija","Variable": 2 2 2 2 2 2 2 2 2 2 ...
## $ mora : Factor w/ 2 levels "No","Si": 1 2 2 2 1 1 2 1 1 2 ...
#Verificar columnas
which(colSums(is.na(banco_corregido3))!= 0)
## named integer(0)
Imputacion
library(DMwR2)
banco_corregido4 <- knnImputation(banco, k=10)
dim(banco_corregido4)
## [1] 100 9