也许这是一个哲学问题，而不是一个编程问题，但这里有......
在R中，是否有一些软件包或方法可以让你处理＆＃34;少于＆＃34; s作为一个概念？
背景故事：我有一些数据，出于隐私原因，对于小数字给出<5（实际上代表整数1,2,3或4）。我想对这些数据做一些简单的算术（加，减，平均等），但显然我需要找到一些方法来概念性地处理这些<5。我可以用NA来替换所有这些，当然，这会丢掉潜在有用的信息，如果可能的话我想避免这种情况。
我的意思的一些例子：
a <- c(2,3,8)
b <- c(<5,<5,8)
mean(a)
> 4.3333
mean(b)
> 3.3333 -> 5.3333
答案 0 :(得分：2)
如果您对边界处的值感兴趣，我会将每个数据集分成两个数据集;将所有<5设置为1并将所有<5设置为4的一个。
a <- c(2,3,8)
b1 <- c(1,1,8)
b2 <- c(4,4,8)
mean(a)
# 4.333333
mean(b1)
# 3.3333
mean(b2)
# 5.3333
答案 1 :(得分：2)
答案 2 :(得分：2)
统计数据＆＃34;小于＆＃34;数据被称为＆＃34;左删失＆＃34; https://en.wikipedia.org/wiki/Censoring_(statistics)，搜索＆＃34;删失数据＆＃34;可能有所帮助。
我最喜欢的分析此类数据的方法是最大可能性https://en.wikipedia.org/wiki/Maximum_likelihood。有许多R包用于最大似然估计，我喜欢生存包https://cran.r-project.org/web/packages/survival/index.html但是还有其他包，例如fitdistrplus https://cran.r-project.org/web/packages/fitdistrplus/index.html＆＃34;提供函数，用于将单变量分布拟合到不同类型的数据（连续删失或非删失数据和离散数据），并允许不同的估计方法（最大似然，矩匹配，分位数匹配和最大值）良好的估计）＆＃34;。
您必须指定（假设？）数据分布的形式;你说它是整数所以也许Poisson [相关]分布可能是合适的。
答案 3 :(得分：1)
将它们视为您选择的特定概率分布，并将其替换为实际随机生成的数字。全部等于2.5，类似于正常的分布上限为0和5，[0,5]上均匀为所有选项
答案 4 :(得分：0)
我经常处理类似的数据。我强烈反对将<5值替换为特定数字的任何建议。考虑以下两种情况：
c(<5,<5,<5,<5,<5,<5,<5,<5,6,12,18) c(<5,6,12,18) 当您尝试使用这些算法进行算术时会出现问题。
我认为您的问题的解决方案是将值视为factor s（R意义上的。如果有帮助，您也可以将5以上的值加以分隔。示例
c(<5,<5,<5,<5,<5,<5,<5,<5,5-9,10-14,15-19) c(<5,5-9,10-14,15-19) 现在，您仍然不会对这些进行算术运算，但您的汇总统计数据（直方图/比例表等等）会更有意义。