# NADIA包是TDIP包的依赖之一，但这个包目前已从cran上移除了，需要自行下载，然后从本地安装# https://cran.r-project.org/src/contrib/Archive/NADIA/# 安装过程中可能还会提示缺少一些依赖，总之原则上提示缺少什么就安装什么# install.packages(c("mlr3", "mlr3pipelines", "paradox", "missMDA", "mlr3learners", "Amelia", "softImpute", "missRanger"))# 从github安装TDIP包devtools::install_github("Matgend/TDIP")

# 加载TDIP包library(TDIP)
# 加载包中自带的数据集data(dataframe)
# 设置参数树,包含三个参数:0.4, 0.1和100param_tree <- list(0.4, 0.1, 100)
# 使用data_simulator函数生成模拟数据# param_tree参数指定参数树# dataframe参数使用加载的数据集simData <- data_simulator(param_tree = param_tree, dataframe = dataframe)
# 打印模拟数据的前几行# simData$FinalData 是模拟生成的最终数据集head(simData$FinalData)##     I1.0/1 I2.0/1 I3.0/1 I4.0/1       F1.0/3     F2.0/3     F3.0/3 I1.0/4 I2.0/4 I3.0/4      F1.1/2       F2.1/2   F3.1/2## t23      2      1      2      1  0.203913671 -1.6171502 -0.3472887      2      2      0  1.13084411  0.388191354 1.974841## t24      2      1      2      1  0.569097928 -0.7370138 -0.1325044      2      2      0  0.26796591 -0.113133721 1.921079## t5       0      1      1      1 -0.003254024  0.5929791 -1.4368104      1      1      2  0.37160420  0.562254863 1.591107## t49      2      1      1      1 -0.308026821  0.6998594  0.2602554      0      2      0 -0.82149229  0.524967048 2.310056## t7       2      1      1      1  0.735442781 -0.1129450 -0.7334719      2      2      0 -0.03072779 -0.007397889 2.186394## t64      2      1      1      1  1.209052247 -0.8816450 -0.4864245      0      2      0 -1.01605308  0.287524388 1.256216

# 加载simulatedData的数据集data(simulatedData)# 加载系统发育树数据集data(tree)
# 将simulatedData的行名设置为新的"Species"列simulatedData$Species <- rownames(simulatedData)
# 使用data_preprocessing函数处理数据，不使用系统发育树# empTree = NULL 表示不使用系统发育信息# save = NULL 表示不保存处理结果empData <- data_preprocessing(simulatedData, empTree = NULL, save = NULL)
# 再次使用data_preprocessing函数处理数据，这次使用系统发育树empData <- data_preprocessing(simulatedData, empTree = tree, save = NULL)

# 设置缺失值比率为5%missingRate <- 0.05
# 生成完全随机缺失(MCAR)数据# 使用mcar_miss_meca函数在simData$FinalData的所有列中生成MCAR缺失值mcar_values <- mcar_miss_meca(missingRate = missingRate,                              ds = simData$FinalData,                               cols_mis = 1:ncol(simData$FinalData))
# 生成随机缺失(MAR)数据# 使用mar_miss_meca函数在simData$FinalData的第1列生成MAR缺失值，基于第3列的值mar_values <- mar_miss_meca(missingRate = missingRate,                             ds = simData$FinalData,                             cols_mis = 1,                             cols_ctrl = 3)
# 生成非随机缺失(MNAR)数据# 使用mnar_miss_meca函数在simData$FinalData的所有列中生成MNAR缺失值mnar_values <- mnar_miss_meca(missingRate = missingRate,                               ds = simData$FinalData,                               cols_mis = colnames(simData$FinalData))
# 生成基于系统发育关系的缺失(PhyloNa)数据# 使用phyloNa_miss_meca函数在simData$FinalData中生成基于系统发育树的缺失值phyloNa_values <- phyloNa_miss_meca(missingRate = missingRate,                                     ds = simData$FinalData,                                     tree = simData$TreeList$`0`)

# 使用na_insertion函数生成缺失值missing_values <- na_insertion(  missingRate = missingRate,  # 缺失值比率  dataset = simData$FinalData,  # 完整数据集  missingTraits = ncol(simData$FinalData),  # 要生成缺失值的特征总数  MARTraits = 1,  # MAR机制中生成缺失值的变量  MARctrlTraits = 3,  # MAR机制中控制缺失值的变量  traitsNoNA = NULL,  # 不生成缺失值的特征  tree = simData$TreeList$`0`,  # 系统发育树  save = NULL  # 不保存结果到文件)
# 可视化缺失数据library(visdat)NaData <- missing_values$DataNaN
# 遍历NaData中的每个分区并绘制缺失数据图for(rdn in 1:length(NaData)){  partition <- NaData[[rdn]][[1]]  # 获取当前分区  title <- names(partition)  # 获取分区名称作为图表标题  plot(visdat::vis_miss(partition), main = title)  # 使用vis_miss绘制缺失数据图}

# 定义一个包含三种插补方法的字符向量methods <- c("mice_phylo", "missForest_phylo", "kNN_phylo")# 设置插补策略为"NP"（非系统发育）strategies <- "NP"# 设置方差分数为0.95，表示系统发育树特征向量解释的方差比例varfrac <- 0.95
# 调用missing_data_imputation函数进行缺失数据插补imputedData <- missing_data_imputation(ImputationApproachesNames = methods, # 指定使用的插补方法                                       data = missing_values$DataNaN$MCAR$`MCAR/13/0.05`, # 输入包含缺失值的数据集，这里使用完全随机缺失(MCAR)的数据                                       tree = simData$TreeList$`0`, # 输入系统发育树对象                                       strategies = strategies, # 指定插补策略                                       varfrac = varfrac, # 设置方差分数                                       save = NULL)# 设置save参数为NULL，表示不保存结果到文件imputedData

# 从imputedData对象中选择特定的插补数据集namesMethods <- c("MICE", "MissForest", "KNN")  # 定义插补方法的名称namesToselect <- paste(namesMethods, "NP", sep = "_")  # 创建要选择的数据集名称namesImputedData <- names(imputedData)  # 获取imputedData对象中所有数据集的名称datasets <- imputedData[which(namesImputedData %in% namesToselect)]  # 选择指定的数据集
# 执行硬投票hv <- hard_voting(listOfdataframe = datasets)  # 对选定的数据集应用硬投票方法hv

# 计算包含由 missForest 插补的 MCAR 的数据的误差errors <- imputation_error(imputedData = imputedData$MissForest_NP, # 使用missForest方法插补后的数据集                           trueData = simData$FinalData, # 原始完整数据集                           missingData = missing_values$DataNaN$MCAR$`MCAR/13/0.05`,  # 包含MCAR缺失值的数据集                           imputationApproachesName = methods[2], # 插补方法名称                           dataframe = simData$Dataframe) # 用于模拟的数据框
errors##     trait missForest_phylo## 1  I1.0/1        0.0000000## 2  I2.0/1        0.0000000## 3  I3.0/1        0.6000000## 4  I4.0/1        0.4000000## 5  F1.0/3        0.8053965## 6  F2.0/3        0.6036047## 7  F3.0/3        0.6121908## 8  I1.0/4        0.4000000## 9  I2.0/4        0.0000000## 10 I3.0/4        0.6000000## 11 F1.1/2        0.5367540## 12 F2.1/2        0.6819793## 13 F3.1/2        0.6687828