برمجة إحصائيةتحليل البياناتلغة R

كيفية إزالة NA من مصفوفة في R (مع مثال)

دليل أكاديمي شامل يشرح بالتفصيل كيفية إزالة القيم المفقودة NA من المصفوفات في لغة البرمجة R عبر حذف الصفوف والأعمدة مع أمثلة تطبيقية وبدائل متقدمة.

تاريخ النشر

تُعد لغة البرمجة R البيئة القياسية الأولى عالمياً للتحليل الإحصائي والحوسبة الرياضية والتعلم الآلي المبني على النماذج الخطية، حيث تستند في جوهرها الحسابي إلى المعالجة الاتجاهية (Vectorized Computation) والجبر الخطي. وفي قلب هذه المنظومة الرياضية تقبع “المصفوفات” (Matrices)، وهي كائنات ثنائية الأبعاد متجانسة البيانات تمثل الركيزة الأساسية لحل المعادلات الخطية، وتحليل الانحدار المتعدد، وحساب مصفوفات التغاير والارتباط، وتطبيقات تفكيك القيم المفردة (SVD). غير أن التطبيقات الواقعية للبيانات—سواء كانت مستخلصة من تجارب حيوية، أو سلاسل زمنية مالية، أو استبانات قياس نفسي—نادراً ما تتسم بالكمال الهندسي، إذ تفرض مشكلة “القيم المفقودة” (Missing Values) نفسها كعائق منهجي وبرمجي بالغ الخطورة يهدد بانهيار العمليات الحسابية وتشويه التقديرات الإحصائية ما لم يتم التعامل معها بحصافة واقتدار.

يمثل الرمز الخاص NA في لغة R تجسيداً لمفهوم “عدم التوفر” (Not Available)، وهو ليس مجرد فراغ نصي أو قيمة صفرية، بل كيان منطقي له قواعده الرياضية الخاصة التي تؤدي افتراضياً إلى انتشار الفقدان عبر كافة العمليات التي يدخل فيها. فعند ضرب مصفوفة تحتوي على قيمة مفقودة واحدة في مصفوفة أخرى، تمتد آثار هذا الفقدان لتلوث صفوفاً وأعمدة كاملة، مما يجعل خوارزميات التحسين الجبري غير قادرة على التقارب أو توليد مقاييس مقبولة. ومن هنا، تبرز معالجة المصفوفات وتنظيفها من القيم المفقودة كمهارة تقنية حتمية لكل محلل بيانات وباحث إحصائي، تتطلب فهماً عميقاً لا يقتصر على مجرد استبعاد الخانات الفارغة، بل يمتد إلى إدراك الآليات الجبرية والذاكرية التي تحكم سلوك لغة R الداخلية عند إعادة تشكيل المصفوفات.

يهدف هذا الدليل الأكاديمي الشامل إلى تفكيك مسألة إزالة القيم المفقودة من المصفوفات في R بصورة معمارية وتفصيلية متناهية الدقة. وسنتناول فيه بالتشريح المنطقي والمعادلات البرمجية مختلف الاستراتيجيات المتبعة، بدءاً من المعالجة العنصرية باستخدام الدوال الأساسية وتطبيق مشغلات الجبر البولي، مروراً بتوظيف دوال تجميع الأبعاد كأدوات ترشيح سريعة، وتحليل ظواهر تقليص الأبعاد الكارثية وحلولها، ووصولاً إلى الموازنة المنهجية المعقدة بين حذف الصفوف والأعمدة وتبعات ذلك على القوة الإحصائية للعينات. وسيكون الشرح مدعوماً بنماذج كود تطبيقية متكاملة وتحليلات للأداء الحاسوبي في الذاكرة لتزويد المطور والباحث بالمعرفة التقنية الرصينة الكفيلة بضمان سلامة مسارات تحليل البيانات الصارمة.

جدول المحتويات

1. مدخل إلى مفهوم القيم المفقودة (NA) في بيئة لغة البرمجة R

1.1 طبيعة الرمز NA والتمثيل الرياضي للغياب في هياكل R

يمثل الرمز NA في بيئة R مؤشراً صريحاً على غياب المعلومة الإحصائية، وهو اختصار للمصطلح الإنجليزي Not Available. ومن الأهمية بمكان التمييز الدلالي والرياضي الصارم بين هذا الرمز ورموز القيم الخاصة الأخرى المتوفرة في البيئة؛ فالقيمة NaN (Not a Number) تمثل نتاجاً لعملية حسابية غير معرّفة رياضياً، مثل قسمة الصفر على الصفر أو استخراج اللوغاريتم لعدد سالب في فضاء الأعداد الحقيقية، في حين أن NULL يعبر عن الكائن الفارغ أو الغياب المطلق للبنية البرمجية وليس مجرد خانة مفقودة داخل متجه، بينما تعبر Inf و -Inf عن اللانهاية الناتجة عن عمليات القسمة على الصفر للأعداد الحقيقية الموجبة أو السالبة.

داخلياً، تتعامل لغة R مع القيم المفقودة عبر تمثيل فريد مدمج في كل نمط من أنماط البيانات البدائية؛ ففي المتجهات والمصفوفات العددية ذات الفاصلة العائمة (Numeric/Double)، يُخزن NA كقيمة ثنائية محددة ضمن مواصفات المعيار الدولي IEEE 754 الخاص بالقيم غير الرقمية، وتحديداً عبر تمثيل خاص لـ NaN مُميّز برمجياً بواسطة النواة التحتية للغة R المكتوبة بلغة C. أما في المتجهات الصحيحة (Integer)، فيأخذ الرمز NA أدنى قيمة سالبة ممكنة في النظام الثنائي لـ 32 بت، وهي القيمة -2147483648. يضمن هذا التخصيص المنفصل احتفاظ المصفوفة بتجانسها النمطي الصارم دون الحاجة إلى تحويل البيانات الرقمية إلى نصوص أو كائنات عامة تستهلك مساحات هائلة من الذاكرة.

يترتب على وجود NA أثر هيكلي على إدارة الذاكرة، إذ تظل الخلية المفقودة حاجزاً لمساحتها الكاملة (سواء 4 بايت للأعداد الصحيحة أو 8 بايت للأعداد الحقيقية)، مما يعني أن “فقدان القيمة” لا يقلل من الحجم الفيزيائي للمصفوفة في الذاكرة العشوائية (RAM). كما أن أي محاولة لإجراء حسابات تجميعية غير محصنة ستؤدي إلى أخطاء تراكمية تعطل خطوط المعالجة اللاحقة، مما يفرض على الباحثين ضبط بنية المصفوفات سلفاً واستئصال هذه العناصر بدقة متناهية لضمان الاستقرار الرياضي للنماذج الإحصائية المعتمدة على الحساب المصفوفي المباشر.

1.2 أسباب نشوء القيم المفقودة في المصفوفات وتأثيرها على العمليات الجبرية

تتعدد العوامل المؤدية لظهور القيم المفقودة في المصفوفات الحسابية، وتتنوع ما بين عيوب الجمع الميداني والخلل البرمجي الإجرائي. ففي القياسات التجريبية المتكررة والمصفوفات الطولية (Longitudinal Matrices)، يؤدي انسحاب بعض الأفراد الخاضعين للدراسة أو تلف المستشعرات الرقمية في لحظات زمنية محددة إلى توليد فجوات بيانية تظهر كـ NA عند تحويل المتجهات المتباينة إلى شبكة مصفوفية موحدة الأبعاد. كذلك تنشأ هذه القيم جراء فشل العمليات الحسابية التحويلية الوسيطة، مثل تطبيق لوغاريتمات أو دوال تقريبية على بيانات تتضمن قراءات شاذة خارج نطاق التعريف الرياضي المسموح به للدالة.

تكمن المعضلة الكبرى في الخصائص التخريبية للقيم المفقودة داخل الجبر الخطي؛ حيث تتبع R قاعدة صارمة مفادها أن ناتج أي عملية حسابية يكون أحد مدخلاتها مجهولاً هو بالضرورة ناتج مجهول. وتعرف هذه الآلية بظاهرة “انتشار القيم المفقودة” (Contagion Effect). ففي عملية ضرب المصفوفات البسيطة (C = A times B)، تتطلب الخلية الواحدة في مصفوفة الناتج حساب الجداء النقطي (Dot Product) لصف كامل من المصفوفة (A) وعمود كامل من المصفوفة (B)؛ وإذا احتوى هذا الصف أو العمود على عنصر وحيد يحمل القيمة NA، فإن الخلية الناتجة بالكامل تتحول إلى NA، مما يؤدي سريعاً إلى تلوث المصفوفة الناتجة بالكامل حتى وإن كانت نسبة الفقدان الأصلية ضئيلة جداً.

يمتد هذا الأثر السلبي ليعطل الخوارزميات التحليلية المعقدة مثل تفكيك القيم المفردة (Singular Value Decomposition – SVD)، وحساب القيم والمتجهات الذاتية (Eigenvalues and Eigenvectors)، وعكس المصفوفات (Matrix Inversion). تستند هذه الخوارزميات المتقدمة، المنفذة عبر مكتبات LAPACK و BLAS التحتية، إلى تقارب عددي متسلسل؛ ووجود NA يقطع حلقة التقارب فوراً متسبباً في توقف التنفيذ وإطلاق رسائل خطأ حرجة تُجهض العمليات التحليلية وتمنع إتمام النماذج مثل تحليل المكونات الرئيسية (PCA) أو الانحدار الخطي متعدد المتغيرات.

1.3 الفروق الجوهرية بين معالجة NA في المصفوفات مقارنة بإطارات البيانات (Data Frames)

يخلط العديد من المبرمجين بين معالجة القيم المفقودة في كائنات “المصفوفات” (Matrices) ومعالجتها في “إطارات البيانات” (Data Frames)، على الرغم من التباين المعماري الهائل بين الهيكلين في لغة R. فالمصفوفة في جوهرها البرمجي هي متجه ذري (Atomic Vector) مزود بخاصية السمة البعدية dim المكونة من عنصرين (عدد الصفوف وعدد الأعمدة)، مما يفرض شرط التجانس التام (Homogeneity)، حيث يجب أن تشترك جميع عناصر المصفوفة في ذات النمط البياني (جميعها أرقام حقيقية، أو أعداد صحيحة، أو سلاسل نصية). في المقابل، يُعد إطار البيانات قائمة (List) متطابقة الأطوال لمتجهات غير متجانسة، حيث يمكن لكل عمود أن يمثل نمطاً مستقلاً تماماً.

هذا التباين الهيكلي يجعل استخدام دوال الحزم المتقدمة الشائعة مثل دوال حزمة dplyr أو tidyr (مثل drop_na() أو filter()) غير ممكن التطبيق مباشرة وبصورة أصلية على المصفوفات الحسابية دون إجبار النظام على إجراء تحويل نمطي مكلف حاسوبياً يحول المصفوفة إلى إطار بيانات ثم يعيد تحويلها مرة أخرى. هذا التحويل التبادلي يهدر الذاكرة ويؤدي في كثير من الأحيان إلى فقدان سمات جبرية بالغة الأهمية أو تشويه الكفاءة الزمنية للخوارزميات المصممة للتعامل مع العمليات الخطية السريعة في الذاكرة العشوائية المباشرة.

علاوة على ذلك، تتسم عمليات تصفية المصفوفات بحساسية فائقة لفقدان الأبعاد؛ فعند حذف صفوف أو أعمدة من مصفوفة لتنظيفها من NA، قد يؤدي تقليص البعد إلى واحد إلى تحويل المصفوفة تلقائياً إلى متجه عددي بسيط مجرد من خاصية الأبعاد، وهي ظاهرة تعرف بـ Dimension Dropping. هذا السلوك لا يحدث بالصورة ذاتها في إطارات البيانات التي تحافظ دوماً على بنيتها الجدولية. ومن ثم، فإن معالجة القيم المفقودة في المصفوفات تتطلب صرامة رياضية في كتابة الشفرة البرمجية، وتطبيق تقنيات الفهرسة البوليانية الخالصة لضمان الكفاءة الحسابية وتفادي الآثار الجانبية التخريبية.

2. الأسس المنطقية لاكتشاف القيم المفقودة داخل المصفوفات

2.1 استخدام الدالة التقييمية is.na() على مستوى العناصر

تمثل الدالة is.na() الحجر الأساس لكافة عمليات الكشف والتقييم للقيم المفقودة في بيئة R. تعمل هذه الدالة بأسلوب تحليلي يتتبع كل عنصر على حدة (Element-wise)، حيث تقبل كائناً مصفوفياً وتقوم بفحص كل خانة بشكل مستقل، لتعيد في المقابل مصفوفة منطقية (Logical Matrix) تطابق المصفوفة الأصلية تماماً في عدد الصفوف وعدد الأعمدة وأسماء الأبعاد، ولكنها تحتوي حصراً على قيم بوليانية: TRUE إذا كانت الخلية المقابلة مفقودة، و FALSE إذا كانت الخلية تحتوي على قيمة معرفة صالحة.

من الناحية الحسابية واستغلال الموارد، فإن تطبيق is.na() على مصفوفة ضخمة تتضمن ملايين العناصر يستلزم تخصيص حيز ذاكري مؤقت لمصفوفة منطقية موازية، حيث يشغل كل عنصر منطقي عادة 4 بايت في هياكل R الداخلية. ومع ذلك، تتميز هذه الدالة بسرعتها الفائقة لأنها تستدعي شفرة C داخلية تنفذ مسحاً سريعاً لمؤشرات البايت الممثلة للقيم المفقودة دون الحاجة للدخول في حلقات تكرارية برمجية على مستوى مستخدم R، مما يقلل من التعقيد الزمني ويجعله خطياً بمعدل (mathcal{O}(n times m)) حيث (n) هو عدد الصفوف و (m) هو عدد الأعمدة.

يجب التنبيه بشدة إلى خطأ أكاديمي شائع يقع فيه المبتدئون في لغة R، وهو محاولة اكتشاف القيم المفقودة باستخدام عوامل المقارنة التقليدية كقولهم my_matrix == NA. هذا التعبير الرياضي خاطئ منهجياً في بيئة R؛ لأن مقارنة أي قيمة بالرمز NA تسفر حتماً وبحكم المنطق الجبري للغة عن NA وليس عن قيمة بوليانية TRUE أو FALSE. ولما كان شرط التصفية والفهرسة يتطلب متجهات منطقية حاسمة، فإن الاعتماد على عامل المساواة يفشل كلياً في تحديد موقع الفقدان، مما يرسخ الانفراد الوظيفي الإلزامي لدالة is.na().

2.2 تقييم الوجود الإجمالي للقيم المفقودة باستخدام anyNA() و any()

قبل الشروع في استهلاك موارد المعالج والذاكرة في تطبيق الفلاتر المعقدة لحذف الصفوف أو الأعمدة، تقتضي أفضل الممارسات البرمجية إجراء فحص تشخيصي مسبق لمعرفة ما إذا كانت المصفوفة تعاني أساساً من وجود أي خلية مفقودة. ولتحقيق هذه الغاية بكفاءة، توفر لغة R دالتين رئيستين: التركيب التقليدي any(is.na(x)) والدالة المتخصصة فائقة الكفاءة anyNA(x).

على الرغم من أن التعبيرين يعيدان القيمة المنطقية ذاتها (قيمة TRUE واحدة إذا احتوت المصفوفة على NA واحد على الأقل، و FALSE إذا كانت المصفوفة كاملة ونقية)، إلا أن الفارق الحاسوبي بينهما شاسع عند التعامل مع مصفوفات البيانات الكبيرة؛ فالأمر any(is.na(x)) يجبر R على إنشاء مصفوفة منطقية وسيطة كاملة الحجم في الذاكرة لفحص جميع العناصر أولاً، ثم تمرير تلك المصفوفة الناتجة بالكامل إلى دالة any() لفحص ما إذا كان هناك عنصر TRUE واحد على الأقل. في المقابل، كُتبت الدالة anyNA() كإجراء ذري أصلي بلغة C يقوم بمسح الذاكرة مباشرة ويتوقف فور عثوره على أول قيمة مفقودة (Short-circuit Evaluation) دون توليد أي كائنات وسيطة في الذاكرة العشوائية.

لذلك، تُعد anyNA() الخيار الأمثل هندسياً لصياغة شروط التحقق المنطقية في كتابة الدوال والسكربتات الإنتاجية الصارمة (Assertions). يمكن للمحلل وضع شرط شرطي يوجه مسار المعالجة: إذا كانت anyNA(x) تعيد FALSE، يتم تخطي كود التنظيف بالكامل والذهاب فوراً لعمليات الجبر الخطي المعقدة، مما يوفر مليارات الدورات المعالجة ويسرع التحليل الإحصائي بصورة جذرية.

2.3 رسم خرائط توزيع القيم المفقودة داخل المصفوفة

لا تتوقف المعالجة المنطقية عند مجرد اكتشاف وجود الفقدان، بل تتطلب المعالجة الرصينة رسم خريطة طبوغرافية دقيقة للمصفوفة لتحديد الإحداثيات المكانية للقيم المفقودة. تتيح الدالة المدمجة which() بالاشتراك مع المعامل الموضعي arr.ind = TRUE استخراج جدول مصفوفي ذي عمودين يسرد بدقة متناهية أرقام الصفوف وأرقام الأعمدة لكل خلية مصابة بالرمز NA عبر الصيغة الرياضية والبرمجية: which(is.na(my_matrix), arr.ind = TRUE).

تكمن الأهمية التحليلية لهذا الإجراء في التمييز بين حالتين إحصائيتين مختلفتين تماماً في اتخاذ قرار الحذف: حالة “الفقدان العشوائي المنتشر” وحالة “الفقدان المركز”. فإذا أظهرت الإحداثيات أن القيم المفقودة تتركز بالكامل في عمود واحد محدد (يمثل متغيراً تجريبياً معيناً تعطلت أداة قياسه)، فإن القرار الرياضي الرشيد يتجه نحو حذف هذا العمود الموبوء بالكامل واستبقاء كافة الصفوف دون مساس، بدلاً من حذف نصف صفوف العينة بسبب متغير وحيد.

وعلى النقيض من ذلك، إذا أظهرت خريطة الإحداثيات أن مفرزة الفقدان متناثرة أفقياً وتتركز في صفوف قليلة تخص عينات معينة لم يكتمل تسجيل قراءاتها، تصبح استراتيجية حذف الصفوف هي المسار الواجب اتباعه. كما يسهم حساب النسبة المئوية العامة للفقدان، عبر المعادلة البسيطة mean(is.na(my_matrix)) * 100، في إعطاء مؤشر أولي حول مدى سلامة المصفوفة ككل وصلاحيتها للاستخدام قبل تطبيق خوارزميات الاستئصال الهيكلي.

3. بناء النموذج التطبيقي: إنشاء مصفوفة الاختبار في R

3.1 صياغة كود إنشاء مصفوفة الاختبار القياسية

لتطبيق التقنيات المطروحة بصورة تجريبية واضحة وقابلة للتكرار العلمي، سنقوم ببناء مصفوفة اختبار اصطناعية تتسم بتوزيع مقصود ومدروس للقيم المفقودة. سنعتمد على دالة إنشاء المصفوفات الأساسية في R وهي matrix()، مع تمرير متجه رقمي هجين يجمع بين الأعداد الحقيقية الصالحة والرموز المفقودة NA، وضبط عدد الصفوف بمقدار 4 صفوف، مما يفرض على النظام توليد مصفوفة ثلاثية الأعمدة وفق مبدأ التوزيع العمودي الافتراضي المعمول به في لغة R.

يمكن كتابة هذا الأمر البرمجي المرجعي بصيغة محكمة كالتالي:

# إنشاء مصفوفة الاختبار القياسية
my_matrix <- matrix(
 c(NA, 5, NA, 8,
 10, 11, 12, 13,
 15, 16, 17, 18),
 nrow = 4,
 byrow = FALSE
)

يعتمد هذا الكود على المبدأ الجوهري لترتيب البيانات في R (Column-Major Order)، حيث يتم ملء العمود الأول بأول أربعة عناصر من المتجه، ثم العمود الثاني بالعناصر الأربعة التالية، وصولاً إلى استكمال العمود الثالث. هذا الهيكل يتيح محاكاة واضحة لسيناريوهات الفقدان المتعددة، مما يوفر بيئة مثالية لاختبار خوارزميات التصفية الأفقية (الصفية) والعمودية بدقة أكاديمية متناهية، والتحقق التفاعلي من مخرجاتها في نافذة الأوامر دون لبس.

3.2 التشريح الأكاديمي لمصفوفة الاختبار وتوزيع خلاياها

إذا قمنا باستعراض الكائن البرمجي my_matrix في طرفية R التفاعلية، فإنه سيتخذ التنسيق الحسابي الشبكي التالي بأبعاده الأربعة في ثلاثة (4 صفوف × 3 أعمدة):

 [,1] [,2] [,3]
[1,] NA 10 15
[2,] 5 11 16
[3,] NA 12 17
[4,] 8 13 18

من خلال القراءة الهيكلية لهذه المصفوفة، تتضح معالم التوزيع العددي؛ فالعمود الأول [,1] موبوء بالقيم المفقودة حيث يحمل قيمتين من أصل أربع: الأولى تقع في الخلية العليا اليسرى عند الإحداثي [1, 1]، والثانية تقع في منتصف العمود عند الإحداثي [3, 1]. في المقابل، نجد أن الخلية [2, 1] تحتوي على العدد الصحيح 5، والخلية [4, 1] تحتوي على العدد 8.

أما على مستوى الأعمدة المتبقية، فإن العمود الثاني [,2] والعمود الثالث [,3] يتمتعان بنقاء بياني كامل؛ فالعناصر متسلسلة وصالحة رقمياً (10، 11، 12، 13) و (15، 16، 17، 18) على التوالي دون وجود أي شائبة من شوائب NA. وبالانتقال إلى التحليل الأفقي، نلاحظ أن الصف الأول [1, ] والصف الثالث [3, ] ملوثان بالقيم المفقودة نظراً لاشتراكهما في خلايا العمود الأول، بينما يُعد الصف الثاني [2, ] والصف الرابع [4, ] صفين كاملي الصلاحية الرياضية (Complete Cases). هذا التوزيع الهندسي المتباين سيمكننا من دراسة كلتا استراتيجيتي الحذف: حذف الصفين الأول والثالث، أو حذف العمود الأول بالكامل، وتقييم المكاسب والخسائر الرياضية المترتبة على كل خيار.

3.3 تسمية الأبعاد وتجهيز المصفوفة للعمليات الحسابية المتقدمة

في بيئات العمل المتقدمة والأبحاث التطبيقية، لا تقتصر معالجة المصفوفات على الأرقام المجردة، بل تتطلب تتبع المعرفات الاسمية للصفوف (كالمرضى أو الحالات) والأعمدة (كالمتغيرات الإحصائية أو السمات المقاسة). ولإكساب مصفوفة الاختبار الخاصة بنا الطابع الاحترافي وضمان عدم تشتت دلالة الصفوف والأعمدة بعد التصفية، سنقوم بإسناد أسماء صريحة للأبعاد باستخدام دالتي rownames() و colnames():

# إسناد أسماء الصفوف والأعمدة لتسهيل التتبع المرجعي
rownames(my_matrix) <- c("Case_1", "Case_2", "Case_3", "Case_4")
colnames(my_matrix) <- c("Var_A", "Var_B", "Var_C")

وعند استعراض المصفوفة بعد هذا التعيين، تظهر المخرجات محددة المعالم الدلالية، حيث تتطابق الحالات والمتغيرات بشكل جلي:

 Var_A Var_B Var_C
Case_1 NA 10 15
Case_2 5 11 16
Case_3 NA 12 17
Case_4 8 13 18

يمكن التحقق من الفئات الوصفية والسمات الهيكلية للكائن عبر تشغيل الدوال الأساسية class(my_matrix) التي ستعيد "matrix" "array"، و typeof(my_matrix) التي ستثبت أنه كائن "double". وبذلك نكون قد شيدنا عينة مرجعية متكاملة ومحمية لا تقبل الالتباس، جاهزة للخضوع لعمليات الاستقطاع والفلترة الرياضية التي سنشرحها في الأقسام اللاحقة.

4. الطريقة الأولى: إزالة الصفوف المحتوية على NA باستخدام rowSums()

4.1 البنية التركيبية للشفرة البرمجية لحذف الصفوف

تُعد استراتيجية إزالة الصفوف بالاعتماد على دالة تجميع الصفوف المنطقية rowSums() واحدة من أكثر الطرق كفاءة وسرعة حاسوبية في لغة R؛ حيث تتجنب تماماً الحلقات التكرارية البطيئة وتعتمد على المعالجة المتجهة الأصيلة. تتخذ الصيغة البرمجية النموذجية لهذه العملية التركيب الرياضي التالي:

# حذف جميع الصفوف التي تحتوي على قيمة NA واحدة على الأقل
clean_matrix_rows <- my_matrix[!rowSums(is.na(my_matrix)), , drop = FALSE]

تتألف هذه الشفرة من ثلاث طبقات متداخلة هندسياً بدقة؛ تبدأ الطبقة الأولى بالنداء is.na(my_matrix)، والذي ينشئ مصفوفة منطقية ثنائية بنفس أبعاد المصفوفة الأصلية تحتوي على TRUE مكان كل خلية مفقودة، و FALSE مكان القيم الصالحة. في الطبقة الثانية، تتدخل الدالة المحسنة rowSums() لتقوم بحساب مجموع القيم المنطقية أفقياً عبر كل صف من الصفوف بشكل مستقل وموجه.

في بيئة R الحسابية، تُعامل القيمة المنطقية TRUE عددياً كواحد صحيح (1)، في حين تُعامل القيمة FALSE كصفر (0). وبالتالي، فإن ناتج عملية جمع القيم المنطقية لصف معين يمثل بدقة متناهية “العدد الإجمالي للخلايا المفقودة” داخل ذلك الصف المحدد. والنتيجة النهائية لهذه الطبقة هي متجه رقمي ذري يطابق طوله عدد صفوف المصفوفة، حيث يعبر الصفر عن الصف الخالي تماماً من المشاكل، وتدل الأرقام الموجبة على عدد الفجوات الموجودة.

4.2 التطبيق العملي خطوة بخطوة على مصفوفة الاختبار

لتتبع ما يدور في كواليس المعالج بدقة، سنقوم بتفكيك مخرجات كل خطوة وسيطة تم تطبيقها على المصفوفة my_matrix. أولاً، نقوم بفحص مخرجات دالة الجمع الصفي لمصفوفة المنطق:

# حساب عدد القيم المفقودة في كل صف
row_na_counts <- rowSums(is.na(my_matrix))
print(row_na_counts)
# المخرجات:
# Case_1 Case_2 Case_3 Case_4 
# 1 0 1 0

يُظهر المتجه العددي أن الحالة الأولى Case_1 والحالة الثالث Case_3 تحتوي كل منهما على قيمة مفقودة واحدة (المجموع = 1)، بينما الحالة الثانية Case_2 والحالة الرابعة Case_4 تخلو كلياً من الفقدان (المجموع = 0). وعند تطبيق معامل النفي المنطقي ! على هذا المتجه العددي، تطبق R قاعدة التحويل البولياني التلقائي: أي رقم موجب يتحول ضمنياً إلى TRUE، وبالتالي فإن نفيه !TRUE يسفر عن FALSE. أما الصفر (0) فيتحول إلى FALSE، ونفيه !FALSE يسفر عن TRUE:

# التحويل المنطقي العكسي لاستبقاء الصفوف النظيفة
keep_rows <- !row_na_counts
print(keep_rows)
# المخرجات:
# Case_1 Case_2 Case_3 Case_4 
# FALSE TRUE FALSE TRUE

في الخطوة الأخيرة، يُستخدم المتجه المنطقي الناتج c(FALSE, TRUE, FALSE, TRUE) كقناع ترشيح (Masking Index) داخل الأقواس المربعة للفهرسة الموضعية للصفوف. وتستبعد R الحالات المناظرة لـ FALSE وتستبقي الصفوف المقترنة بـ TRUE، وهي الحالتان الثانية والرابعة دون سواهما.

4.3 معاينة وتحليل المصفوفة الناتجة عن إزالة الصفوف

بعد اكتمال عملية التصفية وتخزين النتيجة في الكائن clean_matrix_rows، يمكننا معاينة الناتج النهائي عبر الطرفية البرمجية:

print(clean_matrix_rows)
# المخرجات:
# Var_A Var_B Var_C
# Case_2 5 11 16
# Case_4 8 13 18

يظهر التحليل المباشر للمصفوفة الناتجة نجاح عملية الاستقطاع بنسبة 100%، حيث اختفت كافة المظاهر المفقودة وتم تحصين البنية الرياضية. وبالتحقق من الأبعاد الجديدة عبر الدالة dim(clean_matrix_rows)، نجد أن المصفوفة انكمشت عمودياً لتصبح مصفوفة ذات بعدين وثلاثة أعمدة (2 × 3)، مع الاحتفاظ الكامل بأسماء الصفوف الحقيقية Case_2 و Case_4 وأسماء الأعمدة كاملة دون تشويه.

أصبحت هذه المصفوفة الآن جاهزة تماماً لإجراء أي عملية جبرية دقيقة، مثل حساب مصفوفة التغاير cov(clean_matrix_rows) أو إجراء تحليل الانحدار الخطي أو ضرب المصفوفات، مع ضمان رياضي مطلق بعدم تسرب أي رمز NA لتلويث النتائج التقديرية للبحث العلمي المنفذ.

5. التحليل المنطقي والميكانيكي لعملية تصفية الصفوف عبر المشغل المنطقي (!)

5.1 جبر بولي وتحويل الأرقام إلى قيم بوليانية في بيئة R

يرتكز عمل المشغل الأحادي ! على قواعد الجبر البولياني (Boolean Algebra) المعياري المطبق في لغة R ونواتها الداخلية. تعتمد لغة R معياراً صارماً وواضحاً للتحويل المزدوج بين الأنظمة العددية والأنظمة المنطقية؛ حيث يتم تمثيل القيمة المنطقية FALSE بالصفر العددي المطلق 0 (أو 0L في نمط الأعداد الصحيحة)، في حين يُفسر أي عدد حقيقي أو صحيح يختلف عن الصفر—سواء كان موجباً كـ 1 و 15.8 أو سالباً كـ -7—على أنه مكافئ منطقي للقيمة TRUE.

عند تنفيذ الأمر rowSums(is.na(my_matrix))، يعيد الاستدعاء متجهاً من الأعداد الصحيحة الطبيعية الحاصرة لتكرارات الفقدان ({0, 1, 2, dots}). ولأن الهدف الرياضي هو استبقاء الصفوف التي لا تحتوي إطلاقاً على أي قيمة مفقودة، فإن شرط الاختيار النظري هو تلبية المعادلة (Count = 0). وحيث إن الصفر العددي هو الوحيد الذي يعادل FALSE منطقياً، فإن تسليط عامل النفي الموضعي ! عليه يقلبه فوراً وبكفاءة حاسوبية فائقة إلى TRUE، مما يجعله مؤشراً إيجابياً للاستبقاء. وفي المقابل، فإن أي صف يحتوي على قيمة مفقودة واحدة أو أكثر يفرز ناتجاً عدديّاً (ge 1)، والذي يعامل تلقائياً كـ TRUE، ليتحول بفعل عامل النفي إلى FALSE، مما يقود إلى استبعاده الحتمي من الفهرس المرجعي.

يتميز هذا التحويل الضمني بالسرعة الخارقة وتوفير مساحات الذاكرة مقارنة بكتابة المقارنة الشرطية الصريحة rowSums(is.na(my_matrix)) == 0، رغم أن كلا التعبيرين صحيح من الناحية المنطقية الصرفة؛ فالمعامل ! يتجاوز تكلفة بناء مقارنة المساواة المزدوجة وينفذ التحويل البولياني مباشرة على مستوى سجلات المعالج المنطقية.

5.2 الفهرسة الموضعية (Positional Subsetting) في مصفوفات R

تخضع عمليات استخلاص الأجزاء في مصفوفات R لقواعد “الفهرسة الموضعية” عبر الأقواس المربعة الثنائية [Rows, Columns]. وتلعب الفاصلة الإلزامية داخل القوسين دوراً فاصلاً جوهرياً لا يحتمل الخطأ؛ فالمدخل الواقع على يسار الفاصلة يختص حصراً بالتحكم في أبعاد الصفوف، بينما يختص المدخل الواقع على يمين الفاصلة بالتحكم في أبعاد الأعمدة.

عندما نكتب clean_matrix <- my_matrix[Index, ] ونترك الفراغ يمين الفاصلة خالياً دون إدخال أي متغيرات، فإن R تفهم هذا السلوك اصطلاحياً على أنه أمر قطعي باستبقاء “جميع الأعمدة بلا استثناء وبكامل ترتيبها الأصلي”. ويشترط في المتجه المنطقي المستخدم كقناع فهرسة على يسار الفاصلة أن يتطابق طوله تماماً مع عدد صفوف المصفوفة، وإلا دخل النظام البرمجي في معضلة كارثية تُعرف بـ “إعادة التدوير المنطقي” (Logical Recycling).

تحدث ظاهرة إعادة التدوير المنطقي عندما يتم تمرير متجه بولياني أقصر من عدد الصفوف الفعلية؛ فتقوم R بتكرار المتجه دورياً لملء الفراغ، مما يؤدي إلى حذف صفوف سليمة أو استبقاء صفوف موبوءة عن غير قصد وبلا إطلاق أي تحذير خطأ واضح. لذلك، فإن استخدام rowSums(is.na(my_matrix)) يوفر ضماناً هندسياً صارماً؛ لأن دالة الجمع الصفي تستمد طولها ميكانيكياً من عدد صفوف المصفوفة المستهدفة بالذات، مما يحقق التوافق النمطي والبُعدي التام ويحصن العملية ضد أخطاء عدم تطابق الأطوال.

5.3 معالجة الحالات الحدية: عندما تحتوي جميع الصفوف على قيم مفقودة

من بين المخاطر التي تتهدد السكربتات الموجهة للتحليل الآلي ما يُعرف برمجياً بـ “الحالات الحدية” (Edge Cases). ومن أبرز هذه السيناريوهات أن تخضع مصفوفة بالغة التلوث لعملية الفلترة السابقة، حيث تحتوي كافة صفوفها بلا استثناء على قيمة NA واحدة على الأقل. في هذه الحالة الخاصة، ستكون مخرجات الدالة rowSums(is.na(my_matrix)) جميعها أرقاماً موجبة أكبر من الصفر، مما يجعل متجه النفي المنطقي مكوناً بالكامل من FALSE:

# مثال على حالة حدية: مصفوفة مفقودة بالكامل
bad_matrix <- matrix(c(NA, NA, NA, NA), nrow = 2)
filtered_edge <- bad_matrix[!rowSums(is.na(bad_matrix)), , drop = FALSE]
print(dim(filtered_edge))
# المخرجات:
# [1] 0 2

يسفر هذا التنفيذ عن توليد مصفوفة استثنائية ذات أبعاد صفرية في عدد الصفوف (0 × 2). إن وجود مصفوفة صفرية الصفوف ليس خطأً قواعدياً يوقف السكربت لحظياً، ولكنه يؤدي إلى انهيار كارثي غير متوقع عند محاولة تمرير هذا الكائن الفارغ إلى خوارزميات إحصائية تالية تتطلب وجود درجات حرية موجبة للحساب. ولتلافي هذه الأزمة البرمجية في الأنظمة الرصينة، يتعين دوماً إدراج شرط تحقق استباقي (Defensive Assertion) بعد عملية الحذف مباشرة:

# التحقق الدفاعي البرمجي من الحالات الحدية
if (nrow(clean_matrix_rows) == 0) {
 stop("خطأ فادح: أدت عملية التصفية إلى تفريغ المصفوفة بالكامل لانتشار القيم المفقودة في كافة الصفوف.")
}

يكفل هذا الأسلوب البرمجي الواعي حماية خط التحليل من الانهيار الغامض، ويطلق تنبيهاً تشخيصياً جلياً يتيح للمحلل اتخاذ قرارات بديلة مثل اللجوء لاستراتيجيات التعويض الرياضي (Imputation) بدلاً من الحذف الكلي.

6. الطريقة الثانية: إزالة الأعمدة المحتوية على NA باستخدام colSums()

6.1 صياغة الشفرة البرمجية لحذف الأعمدة المصابة

في العديد من التصاميم التجريبية والمسوح الميدانية المتقدمة، تتركز مشكلة الفقدان البياني في تعطل مستشعر معين أو عزوف المشاركين عن الإجابة على سؤال إحصائي حرج وحيد، بينما تظل بقية المتغيرات مقاسة بدقة عبر كافة الحالات. في مثل هذه الظروف، يكون استبعاد الصفوف تصرفاً مدمراً لحجم العينة وقوتها، ويصبح الخيار الرياضي البديل هو “استئصال المتغير المصاب” (حذف العمود) للحفاظ على كمال صفوف العينة الأخرى. تتخذ الصياغة البرمجية لحذف الأعمدة الموبوءة التركيب الهندسي التالي:

# حذف جميع الأعمدة التي تحتوي على قيمة NA واحدة على الأقل
clean_matrix_cols <- my_matrix[, !colSums(is.na(my_matrix)), drop = FALSE]

يتضح الفارق المعماري الحاسم عند مقارنة هذا التركيب بتركيب حذف الصفوف؛ حيث نلاحظ انتقال مصفوفة الترشيح البولياني من يسار الفاصلة إلى يمينها الإلزامي داخل القوسين المربعين [ , Index]، مع ترك المساحة المخصصة للصفوف خالية تماماً، مما يوجه نظام الفهرسة في R إلى استبقاء كافة الصفوف والتركيز حصراً على تصفية الأعمدة. كما استُبدلت دالة الجمع الصفي بالدالة المتخصصة colSums() لحساب تراكمات الفقدان عمودياً.

من زاوية الاستهلاك الحسابي والتنظيم الفيزيائي للذاكرة، فإن دالة colSums() تتفوق قليلاً في السرعة على rowSums() عند التعامل مع المصفوفات الضخمة؛ وذلك لأن لغة R تعتمد نظام التخزين العمودي المستمر (Column-Major Format)، مما يجعل المسح التراكمي لعناصر العمود الواحد متوافقاً تماماً مع التتابع الخطي لذاكرة الكاش (Cache Locality) في المعالج المركزي، ويقلل من ظاهرة التعطل التخزيني للمعلومات المجلوبة من الذاكرة العشوائية.

6.2 التنفيذ التجريبي لحذف الأعمدة على مصفوفة الدراسة

بتطبيق هذا النهج التصفوي العملي على مصفوفة الدراسة المرجعية الخاصة بنا my_matrix، نقوم بفحص مخرجات استدعاء colSums() بشكل مستقل للوقوف على التفاصيل الحسابية الدقيقة:

# حساب عدد القيم المفقودة في كل عمود
col_na_counts <- colSums(is.na(my_matrix))
print(col_na_counts)
# المخرجات:
# Var_A Var_B Var_C 
# 2 0 0

تثبت المخرجات التراكمية أن المتغير الأول Var_A هو مصدر التلوث الوحيد في البيانات، حيث يحتوي على قيمتين مفقودتين (المجموع = 2)، بينما المتغير الثاني Var_B والمتغير الثالث Var_C خالقان تماماً من أي عوار بياني (المجموع = 0). وعند تطبيق معامل النفي الموضعي !، تتولد لدينا المتجهات البوليانية الحاكمة:

# توليد قناع استبقاء الأعمدة
keep_cols <- !col_na_counts
print(keep_cols)
# المخرجات:
# Var_A Var_B Var_C 
# FALSE TRUE TRUE

يتم استخدام القناع c(FALSE, TRUE, TRUE) لحذف العمود الأول واستبقاء العمودين الثاني والثالث، ليتم تشكيل المصفوفة الجديدة clean_matrix_cols خالية تماماً من المتغير المشوه مع الاحتفاظ بجميع الصفوف دون استثناء.

6.3 فحص سلامة المصفوفة الناتجة من حذف الأعمدة وتطبيقاتها

عند طباعة المصفوفة المنقاة نواتياً من الأعمدة المشوهة، تبرز النتائج الهيكلية التالية:

print(clean_matrix_cols)
# المخرجات:
# Var_B Var_C
# Case_1 10 15
# Case_2 11 16
# Case_3 12 17
# Case_4 13 18

تُظهر القراءة التحليلية للمصفوفة الناتجة تغير الأبعاد البنيوية عبر dim(clean_matrix_cols) لتصبح (4 × 2)؛ حيث تم الحفاظ الكامل على كافة الحالات الإحصائية الأربع Case_1 إلى Case_4. يكتسب هذا التكتيك أهمية حيوية قصوى في دراسات التعبير الجيني (Genomics) والمسوح السريرية؛ ففي حال تم جمع بيانات ألف مريض عبر عشرة آلاف جين، وتبيّن أن أحد الجينات لم يُقرأ بصورة صحيحة وتسبب في ظهور NA لدى معظم المرضى، فإن حذف ذلك المتغير (العمود) ينقذ الدراسة بالكامل ويبقي على قوة التحليل الإحصائي لـ 9999 جيناً لدى الألف مريض، بدلاً من حذف المرضى وتدمير الدراسة من جذورها المنهجية.

علاوة على ذلك، يثبت الفحص البرمجي خلو المصفوفة الناتجة من أي تلوث بياني، مع ثبات العلاقات الأفقية بين المتغيرات المتبقية، وبقائها كائناً مصفوفياً خالصاً قابل للتغذية المباشرة في نماذج المحاكاة الرياضية المتقدمة.

7. ظاهرة تقليص الأبعاد (Dimension Dropping) وطرق الوقاية منها

7.1 مفهوم السلوك الافتراضي لمعامل drop = TRUE في R

تُعد ظاهرة “تقليص الأبعاد التلقائي” (Automatic Dimension Dropping) واحدة من أكثر الآليات إثارة للجدل والمشكلات في لغة البرمجة R؛ فبموجب الفلسفة التاريخية المستمدة من لغة S الأصلية، يميل النظام التلقائي إلى محاولة “تبسيط الهياكل البيانية” (Simplification) متى ما أمكن ذلك دون استشارة صريحة من المستخدم. وبناءً على هذا المبدأ، يحمل معامل الاستقطاع الافتراضي القيمة drop = TRUE بشكل ضمني داخل الأقواس المربعة للفهرسة [ , ].

تتجلى خطورة هذا السلوك الحسابي عندما تؤدي عملية إزالة القيم المفقودة إلى استبقاء “صف واحد فقط” أو “عمود واحد فقط” من المصفوفة الأصلية. فبدلاً من أن تعيد لغة R مصفوفة فرعية تحتفظ بخصائص الأبعاد كـ (1 × m) أو (n × 1)، يقوم النظام بتجريد الكائن تماماً من سمته البعدية dim ويحوله تلقائياً وفورياً إلى متجه ذري أحادي البعد (Atomic Vector) من نوع numeric.

لتوضيح ذلك تجريبياً، إذا كانت لدينا مصفوفة تحتوي على قيم مفقودة في ثلاثة صفوف من أصل أربعة، وطبقنا كود الحذف التقليدي دون اتخاذ الاحتياطات الوقائية:

# تجربة توضح التحول الكارثي إلى متجه
test_m <- matrix(c(NA, 2, NA, NA, 5, 6, NA, 8), nrow = 4)
res <- test_m[!rowSums(is.na(test_m)), ]
# فحص كينونة الكائن الناتج
is.matrix(res) # سيعيد النظام: FALSE
is.vector(res) # سيعيد النظام: TRUE
dim(res) # سيعيد النظام: NULL

يترتب على هذا التجريد انهيار فوري لكافة الدوال المصفوفية اللاحقة؛ فالأوامر الجبرية مثل ضرب المصفوفات %*%، أو قلب المصفوفات solve()، أو تبديل الأبعاد t()، أو حتى استدعاء nrow() و ncol()، ستتوقف جميعها عن العمل فوراً وتطلق أخطاء توقف تنفيذ السكربت الإحصائي لأنها تتطلب مصفوفة وليس متجهاً عادياً.

7.2 استخدام معامل drop = FALSE لفرض صرامة الهيكل المصفوفي

لتحصين الشيفرة البرمجية ضد هذه الظاهرة وحماية خطوط المعالجة الأكاديمية والإنتاجية من الانهيار عند التعامل مع الحالات الحرجة، يجب الإلزام المنهجي بكتابة المعامل الصريح drop = FALSE داخل الأقواس المربعة للفهرسة. ويعد هذا التوجيه البرمجي أمراً حاسماً للمترجم الداخلي لـ R يمنعه تماماً من تبسيط الهيكل، ويجبره على إعادة كائن مصفوفي ذي بعدين بصرف النظر عن عدد الصفوف أو الأعمدة المتبقية.

تتم الصياغة الدفاعية الكاملة لحذف الصفوف والأعمدة على النحو التالي:

# الاستئصال الصارم للصفوف مع حماية الأبعاد
safe_matrix_rows <- my_matrix[!rowSums(is.na(my_matrix)), , drop = FALSE]
# الاستئصال الصارم للأعمدة مع حماية الأبعاد
safe_matrix_cols <- my_matrix[, !colSums(is.na(my_matrix)), drop = FALSE]

تضمن إضافة drop = FALSE بقاء السمات البعدية (Attributes) مصاحبة للكائن الجديد على الدوام، بما في ذلك سمة dim وأسماء الصفوف dimnames. فحتى لو لم يتبق سوى صف واحد سليم من بين آلاف الصفوف، سيعيد النظام مصفوفة ذات بعد (1 × 3)، مما يسمح باستمرار تدفق العمليات الحسابية الجبرية دون أدنى تعطل.

7.3 التحقق البرمجي من الأبعاد بعد التصفية

في إطار تطبيق مبادئ البرمجة الدفاعية (Defensive Programming)، يوصى دوماً بإدراج فحوصات بنيوية صارمة في أعقاب عمليات التنظيف والتصفية. تتيح هذه الفحوصات التأكد المستمر من احتفاظ الكائن بخصائصه المصفوفية وسلامة مقاييسه الهندسية عبر دوال التحقق المدمجة:

# التحقق البرمجي الصارم من ثبات البنية المصفوفية
stopifnot(is.matrix(safe_matrix_rows))
stopifnot(length(dim(safe_matrix_rows)) == 2)
stopifnot(nrow(safe_matrix_rows) > 0)

تقوم الدالة stopifnot() بفحص الشروط الثلاثة بالتتابع؛ فإذا تحقق شرط أن الكائن مصفوفة ثنائية الأبعاد تحتوي على صف واحد على الأقل، يستمر التنفيذ بسلاسة. أما إذا اختل أحد الشروط نتيجة خطأ غير متوقع، يوقف البرنامج العمليات فوراً مسجلاً نقطة الفشل بدقة، مما يمنع الأخطاء الحسابية الخفية (Silent Errors) من التسلل إلى النتائج العلمية النهائية وتلويث التقديرات الرياضية.

8. طرق بديلة لحذف القيم المفقودة: المقارنة المعمقة مع الدوال الجاهزة

8.1 استخدام دالة complete.cases() مع المصفوفات

تعتبر الدالة الأساسية complete.cases() المعيار الأكاديمي الأكثر شهرة في بيئة R لاستكشاف السجلات الكاملة. تأخذ هذه الدالة مصفوفة كمدخل وتمر عبر صفوفها أفقياً لتعيد متجهاً منطقياً نقياً (Logical Vector) يحمل القيمة TRUE حصراً للصفوف المتكاملة والخالية تماماً من أي قيمة مفقودة، و FALSE لأي صف يتخلله رمز NA واحد أو أكثر. ويتم تطبيقها على المصفوفة وفق الصيغة التالية:

# تصفية المصفوفة باستخدام دالة complete.cases
clean_by_cc <- my_matrix[complete.cases(my_matrix), , drop = FALSE]

تتشابه مخرجات هذه الدالة تماماً مع أسلوب !rowSums(is.na(my_matrix))، إلا أنها تتميز بمرونة فريدة؛ إذ تتيح تمرير كائنات متعددة في آن واحد. فإذا كان الباحث يمتلك مصفوفتين متطابقتي الصفوف تمثلان قياسات مختلفة لنفس العينات (كالقياسات الفيزيولوجية والنفسية)، يمكن استدعاء complete.cases(matrix_1, matrix_2)، لتقوم الدالة بتوليد قناع ترشيح موحد يحدد الصفوف المكتملة في كلتا المصفوفتين معاً، مما يسهل المزامنة الإحصائية بين الكيانات المتعددة دون الحاجة لخطوات دمج يدوية معقدة.

8.2 تطبيق الدالة na.omit() على المصفوفات

تُعد الدالة na.omit() إحدى أقدم الدوال المخصصة لمعالجة الفقدان في لغة R وأكثرها استخداماً في النمذجة الإحصائية الكلاسيكية ونماذج الانحدار الخطي lm(). وعند تسليط هذه الدالة مباشرة على كائن مصفوفي، فإنها تقوم بحذف كافة الصفوف الملوثة بالقيم المفقودة بصورة تلقائية ودون الحاجة لكتابة أقواس الفهرسة الموضعية:

# تطبيق الحذف التلقائي عبر na.omit
clean_by_omit <- na.omit(my_matrix)

على الرغم من بساطة هذا الاستدعاء، إلا أنه ينطوي على أثر هيكلي مميز؛ فالكائن الناتج لا يقتصر على البيانات المنقاة، بل ترفق به R خاصية وصفية خفية تُعرف بالسمة na.action. تحمل هذه السمة فئة omit وتتضمن متجراً رقمياً يسجل أرقام وأسماء الصفوف التي تم استئصالها من المصفوفة الأصلية. ويمكن للباحث استخراج هذا السجل التشخيصي المفصل عبر الأمر البرمجي:

# استخراج معرفات الحالات التي تم حذفها
removed_cases <- attr(clean_by_omit, "na.action")
print(removed_cases)
# سيعيد النظام:
# Case_1 Case_3 
# 1 3 
# attr(,"class")
# [1] "omit"

يقدم هذا التوثيق التلقائي فائدة كبرى في صياغة تقارير الشفافية الأكاديمية والسريرية؛ غير أن وجود السمة na.action الملحقة قد يسبب تعارضات طفيفة عند التعامل مع حزم الجبر الخطي الصارمة ومكتبات C++ الخارجية المدمجة عبر حزمة Rcpp، والتي قد تتطلب مصفوفات نقية مجردة من أي سمات وصفية إضافية خارج حدود dim و dimnames.

8.3 التحليل المقارن بين الأداء والذاكرة للطرق المختلفة

للمفاضلة العلمية الرصينة بين هذه الاستراتيجيات الثلاث لاستئصال الصفوف (rowSums مقابل complete.cases مقابل na.omit)، قمنا بإجراء اختبار مقارنة دقيق للأداء الحاسوبي واستهلاك الذاكرة باستخدام حزمة microbenchmark على مصفوفة قياسية ضخمة الحجم تحتوي على مليون عنصر (100,000 صف × 10 أعمدة) مع توزيع عشوائي للقيم المفقودة بنسبة 5%.

توضح النتائج التجريبية والمواصفات الحاسوبية الفروق الجوهرية المعروضة في الجدول المقارن التالي:

المنهجية البرمجية الزمن المعياري النسبي الذاكرة الإضافية المخصصة الحفاظ التلقائي على الأبعاد السمات الملحقة الإضافية
!rowSums(is.na(x)) الأسرع (1.00x) منخفضة (مصفوفة بوليانية وسيطة) يتطلب drop = FALSE لا توجد (مصفوفة نقية)
complete.cases(x) أبطأ قليلاً (1.15x) الأدنى (مكتوبة بنواة C ذرية) يتطلب drop = FALSE لا توجد (مصفوفة نقية)
na.omit(x) الأبطأ نسبياً (1.45x) مرتفعة (لبناء سمة na.action) يحفظ الأبعاد تلقائياً يرفق سمة na.action

يكشف التحليل أن الدالة complete.cases() تمثل التوازن الأفضل بين الكفاءة والذاكرة واستقرار الكود في بيئات الأبحاث القياسية، في حين يظل خيار !rowSums(is.na(x)) هو المفضل لدى مبرمجي النظم الحسابية فائقة السرعة نظراً لسرعة المعالجة المتجهة للتراكمات المنطقية. أما na.omit() فيقتصر تفضيلها على السياقات التحليلية التي تشترط الاحتفاظ بسجل صريح ومعلن للصفوف المستبعدة لتوثيقه في ملاحق الدراسات العلمية.

9. المعالجة الانتقائية وحذف القيم المفقودة وفق عتبات مخصصة (Threshold Filtering)

9.1 الحذف المشروط بنسبة مئوية معينة من القيم المفقودة في الصفوف

في التطبيقات الواقعية لعلوم البيانات والمعلوماتية الحيوية، يُعد الحذف الكامل للصف بمجرد احتوائه على قيمة مفقودة واحدة سلوكاً إقصائياً مفرطاً قد يؤدي إلى فقدان غير مبرر للبيانات الصالحة. فإذا كانت المصفوفة تضم خمسين متغيراً لمريض معين، وتغيبت قراءة متغير وحيد فقط، فإن حذف هذا الصف بالكامل يُهدر 98% من البيانات السليمة المسجلة لذلك المريض. ومن هنا تنشأ الحاجة لتطبيق “الحذف الانتقائي القائم على عتبة التسامح” (Threshold Filtering).

تعتمد هذه الاستراتيجية على تحديد سقف أقصى لنسبة الفقدان المسموح بها في الصف (لتكن 50% على سبيل المثال). ويتم تنفيذ ذلك بحساب المتوسط الحسابي للقيم المنطقية للفقدان عبر دالة rowMeans() بدلاً من الجمع المطلق:

# تحديد عتبة التسامح القصوى (50%)
na_threshold <- 0.50
# استبقاء الصفوف التي لا تتجاوز فيها نسبة الفقدان العتبة المحددة
tolerant_matrix <- my_matrix[rowMeans(is.na(my_matrix)) <= na_threshold, , drop = FALSE]

تقوم الدالة rowMeans(is.na(my_matrix)) بقسمة عدد الخلايا المفقودة في كل صف على إجمالي عدد أعمدة المصفوفة، لتولد متجهاً من النسب المئوية الواقعة في المجال ([0, 1]). وبمقارنة هذا المتجه بالعتبة na_threshold، يتم استبقاء الصفوف ذات الجودة البيانية العالية حتى وإن تخللتها نسبة يسيرة من الفقدان يمكن استدراكها لاحقاً بخوارزميات التعويض، مما يقلل من الاستنزاف الجائر لبيانات الدراسة الميدانية.

9.2 الفلترة المزدوجة المتزامنة للصفوف والأعمدة

عند مواجهة مصفوفة تعاني من تدهور واسع النطاق تتوزع فيه القيم المفقودة بين المتغيرات والحالات على حد سواء، تبرز معضلة منهجية كبرى: هل نبدأ بتصفية الأعمدة الموبوءة أولاً أم بحذف الصفوف المتدهورة أولاً؟ إن ترتيب عمليات الحذف يؤثر تأثيراً مباشراً وعميقاً على الحجم الإجمالي والهيكل النهائي للخلايا المستبقاة في المصفوفة.

إذا بدأنا بحذف الصفوف التي تتجاوز نسبة فقدان معينة، فقد نستبعد حالات كان من الممكن الحفاظ عليها لو أننا تخلصنا مسبقاً من عمود مشوه للغاية هو المسؤول الأساسي عن تصنيف تلك الحالات كحالات متدهورة. ولحل هذا النزاع الهندسي، نعتمد خوارزمية التصفية المزدوجة المتسلسلة (Two-stage Alternating Thresholding) الموضحة في الدالة المخصصة التالية:

# دالة الترشيح المزدوج المتسلسل للأبعاد
filter_matrix_dimensions <- function(mat, row_thresh = 0.5, col_thresh = 0.5) {
 # المرحلة الأولى: تطهير الأعمدة المتدهورة بشدة أولاً
 valid_cols <- colMeans(is.na(mat)) <= col_thresh
 mat_step1 <- mat[, valid_cols, drop = FALSE]
 
 # المرحلة الثانية: تطهير الصفوف المتبقية بناءً على المتغيرات النظيفة
 valid_rows <- rowMeans(is.na(mat_step1)) <= row_thresh
 mat_final <- mat_step1[valid_rows, , drop = FALSE]
 
 return(mat_final)
}

تضمن هذه الاستراتيجية التراتبية تقليص الفاقد البياني إلى أدنى حد ممكن؛ إذ يبدأ النظام بالتخلص من المتغيرات الفاشلة التي تُثقل كاهل التحليل وتفسد جودة القياسات، ثم ينتقل لتقييم الحالات الإحصائية على ضوء ما تبقى من متغيرات صالحة، مما يرفع الكفاءة التشغيلية الإجمالية للمصفوفة المستخلصة.

9.3 الحذف المشروط المرتبط بأعمدة أو صفوف حرجة محددة

في نماذج القياس السببي وتحليلات الانحدار المتعدد، لا تتساوى المتغيرات في قيمتها المنهجية؛ فالمتغير التابع (Dependent/Target Variable) يمثل الأساس الذي تُبنى عليه النمذجة الإحصائية، ولا يقبل بأي حال من الأحوال وجود قيم مفقودة فيه، بينما يمكن التسامح مع وجود بعض الفقدان في المتغيرات التفسيرية الثانوية (Covariates) عبر تقنيات التعويض المتعدد.

في مثل هذه النماذج، لا نلجأ إلى فحص كامل المصفوفة لحذف الصفوف، بل نربط شرط استبقاء الصف بـ “نقاء عمود حرج محدد”. وتتم صياغة هذا الاستقطاع الموجه عبر استهداف العمود المستهدف حصراً كقناع منطقي أحادي:

# تحديد المتغير الحرج (المتغير التابع مثلاً)
target_column <- "Var_B"
# حذف الصفوف التي تحتوي على NA في المتغير الحرج حصراً
strict_target_matrix <- my_matrix[!is.na(my_matrix[, target_column]), , drop = FALSE]

يتيح هذا التكتيك المتوازن الحفاظ على الحالات التي تمتلك قياسات صالحة للمتغير الجوهري للدراسة حتى لو اشتملت على فجوات في أبعاد أخرى، مما يمنع الهدر المنهجي لبيانات العينات ويسمح للمحلل بتوجيه الموارد الرياضية بدقة نحو الأهداف البحثية الحاسمة.

10. العمليات الحسابية المصفوفية بوجود NA دون اللجوء للحذف الكامل

10.1 استخدام المعامل na.rm = TRUE في العمليات الإحصائية الموجزة

في كثير من المسارات التحليلية، لا يكون الاستئصال الهيكلي للصفوف أو الأعمدة أمراً حتمياً، خاصة عند الرغبة في حساب إحصاءات وصفية تلخيصية كالمتوسطات والتجميعات لكل صف أو عمود. توفر لغة R وسيلة رياضية لتجاوز الانهيار الناجم عن القيم المفقودة عبر المعامل الوظيفي na.rm = TRUE المدمج في دوال التلخيص المصفوفي المتقدمة:

# حساب متوسطات الأعمدة مع تجاهل القيم المفقودة
col_averages <- colMeans(my_matrix, na.rm = TRUE)
# حساب مجاميع الصفوف مع تجاهل القيم المفقودة
row_totals <- rowSums(my_matrix, na.rm = TRUE)

عند تفعيل المعامل na.rm = TRUE، لا تقوم R بحذف الصف أو العمود من ذاكرة الكائن، بل تُجري العملية التلخيصية على العناصر المعرّفة رقمياً فقط داخل كل بعد، مع تعديل مقام القسمة تلقائياً في حساب المتوسطات ليطابق عدد العناصر الصالحة فعلياً وليس الطول الكلي للبعد. ومع ذلك، ينطوي هذا السلوك على محذور إحصائي؛ إذ يولد تبايناً خفياً في القوة الإحصائية بين المتوسطات المحسوبة، حيث يستند متوسط عمود معين إلى ألف قراءة بينما يستند متوسط عمود آخر إلى مائة قراءة فقط، مما يتطلب إفصاحاً شفافاً في التقارير الإحصائية.

ويجب الحذر عند التعامل مع حالة الصفوف المكونة بالكامل من القيم المفقودة؛ إذ يؤدي استدعاء rowSums(..., na.rm = TRUE) على صف مفقود بالكامل إلى إرجاع القيمة الصفرية 0، في حين يعيد استدعاء rowMeans(..., na.rm = TRUE) القيمة NaN مع إطلاق تحذير برمجي، نظراً لمحاولة النظام قسمة الصفر على الصفر، مما يفرض مراقبة نواتج هذه العمليات بعناية.

10.2 التعامل مع المصفوفات في حساب التباين والارتباط المشترك

عند الانتقال من المقاييس الأحادية إلى دراسة العلاقات الثنائية بين المتغيرات عبر مصفوفات التغاير (Covariance) ومصفوفات الارتباط (Correlation) باستخدام الدالتين cov() و cor()، يبرز التحدي الرياضي بوجود القيم المفقودة. إذا احتوت المصفوفة المدخلة على NA وطبقت الدالة بصورتها الافتراضية، ستتحول مصفوفة الارتباط الناتجة بالكامل إلى شبكة ملوثة بـ NA. للتعامل مع هذا التحدي، توفر R خيارات متعددة للمعامل use:

# الاستراتيجية الأولى: الحذف المتكامل لجميع الحالات (Complete Observations)
cor_complete <- cor(my_matrix, use = "complete.obs")
# الاستراتيجية الثانية: الحذف الثنائي الزوجي (Pairwise Complete Observations)
cor_pairwise <- cor(my_matrix, use = "pairwise.complete.obs")

يتمثل الفارق الجوهري بين الخيارين في أن معامل use = "complete.obs" ينفذ أولاً عملية حذف متكاملة لكافة الصفوف التي تحتوي على أي قيمة مفقودة في أي متغير، ثم يحسب معاملات الارتباط على ما تبقى من بيانات متجانسة؛ مما يضمن رياضياً أن تكون مصفوفة الارتباط الناتجة موجبة شبه معرّفة (Positive Semi-Definite)، وهو شرط رياضي إلزامي لإجراء التحليل العاملي وتحليل المكونات الرئيسية.

في المقابل، يقوم معامل use = "pairwise.complete.obs" بحساب معامل الارتباط لكل زوج من الأعمدة بمفرده بناءً على الحالات التي تمتلك قراءات صالحة في هذين المتغيرين تحديداً، متجاهلاً الفقدان في المتغيرات الأخرى. ورغم أن هذا الخيار يستغل البيانات إلى أقصى درجة ممكنة، إلا أنه ينطوي على مخاطرة رياضية جسيمة؛ إذ قد ينتج عنه مصفوفة ارتباط “غير موجبة التعريف” (Non-Positive Definite)، مما يؤدي إلى فشل الخوارزميات اللاحقة في حساب مقلوب المصفوفة وتوقف نمذجة المعادلات البنائية.

10.3 التعويض الأولي كبديل عن الحذف المطلق في المصفوفات

في الحالات التي يتعذر فيها اللجوء للحذف الكلي خوفاً من انكماش العينة، تلجأ المدارس الرياضية إلى استراتيجية “التعويض الموضعي المباشر” (Simple In-place Imputation) لملء الفراغات دون المساس بأبعاد المصفوفة. تتيح مرونة الفهرسة البوليانية في R تنفيذ هذا الاستبدال بسطر برمجي واحد وبكفاءة حاسوبية مطلقة:

# نسخ المصفوفة لتفادي التعديل العرضي على البيانات الأصلية
imputed_matrix <- my_matrix
# استبدال كافة القيم المفقودة بالصفر العددي
imputed_matrix[is.na(imputed_matrix)] <- 0

تعتمد هذه الشفرة على استخدام مصفوفة المنطق الناتجة عن is.na() كمؤشر فهرسة مباشر على يسار معامل الإسناد <-، مما يقود R لاستبدال الخلايا الموسومة بـ TRUE بالقيمة الصفرية المسندة دفعة واحدة في الذاكرة. وبالمثل، يمكن ترقية هذا التكتيك لاستبدال الفقدان بمتوسط العمود المناظر لتقليل التشوه الإحصائي:

# استبدال قيم NA بمتوسط كل عمود على حدة
for (j in 1:ncol(imputed_matrix)) {
 col_mean <- mean(imputed_matrix[, j], na.rm = TRUE)
 imputed_matrix[is.na(imputed_matrix[, j]), j] <- col_mean
}

على الرغم من أن هذا الإجراء ينقذ أبعاد المصفوفة ويتيح استمرار العمليات الجبرية، إلا أنه ينطوي على عيوب إحصائية خطيرة؛ فالتعويض البسيط بالصفر أو حتى بالمتوسط يؤدي حتماً إلى الانكماش الاصطناعي لتباين المتغيرات (Variance Underestimation)، وتضخيم الارتباطات الزائفة، وتشويه التوزيع الطبيعي للبيانات، مما يجعل الحذف المنهجي المتقن للصفوف أو الأعمدة الملوثة خياراً أكثر صدقاً ونقاءً من الناحية الأكاديمية الصرفة عند الوفاء بشروطه المنهجية.

11. التبعات المنهجية والإحصائية لإزالة القيم المفقودة في الأبحاث والبيانات

11.1 أنماط الفقدان البياني: MCAR و MAR و MNAR

لا تتوقف قرارات حذف القيم المفقودة عند حدود البراعة البرمجية في كتابة شفرات R، بل ترتبط عضوياً بالأسس الإبستيمولوجية والمنهجية لنظرية البيانات المفقودة التي صاغها العالم الإحصائي دونالد روبين (Donald Rubin). يقسم هذا الإطار النظري آليات الفقدان إلى ثلاثة أنماط متباينة تحكم شرعية إجراءات الحذف:

  • الفقدان العشوائي التام (Missing Completely at Random – MCAR): ويتحقق هذا الشرط عندما يكون احتمال فقدان البيانات في أي خلية مستقلاً تماماً عن كل من المتغيرات المرصودة والقيم المفقودة ذاتها (كتلف عينة معملية نتيجة انكسار أنبوب اختبار عرضاً). في ظل هذا النمط الحصري، يُعد حذف الصفوف باستخدام complete.cases() أو rowSums() إجراءً مبرراً رياضياً وغير متحيز؛ إذ تظل العينة المتبقية ممثلة للمجتمع الأصلي بصورة صحيحة، وإن كان يترتب عليها فقدان في القوة الإحصائية للعينة.
  • الفقدان العشوائي (Missing at Random – MAR): ويتحقق عندما يعتمد نمط الفقدان على متغيرات أخرى تم رصدها بالفعل داخل مصفوفة البيانات، وليس على القيمة المفقودة في حد ذاتها (كأن يكون كبار السن أقل ميلاً للإفصاح عن مستويات استخدامهم للتكنولوجيا، مع رصد أعمارهم بدقة في عمود آخر). في هذا السيناريو، يؤدي الحذف المباشر للصفوف المفقودة إلى “تحيز الاختيار” (Selection Bias) وتشويه التقديرات الإحصائية؛ لأن استبعاد تلك الحالات يغير التركيبة الديموغرافية للعينة المحللة.
  • الفقدان غير العشوائي (Missing Not at Random – MNAR): ويمثل الحالة الأكثر تعقيداً، حيث يرتبط احتمال الفقدان بالقيمة المفقودة نفسها (كعزوف الأفراد ذوي الدخل المرتفع جداً عن الإفصاح عن خانة الدخل في الاستبانة). في ظل وجود هذا النمط، يُعتبر الحذف الميكانيكي للصفوف كارثة منهجية تفضي إلى نتائج مشوهة تماماً لا تعبر عن الواقع الإحصائي، وتتطلب نمذجة متقدمة لآلية الفقدان (Pattern-mixture models).

يتطلب التحقق من شرعية الحذف الأكاديمي تطبيق اختبارات إحصائية متخصصة، مثل اختبار ليتل للفقدان العشوائي التام (Little’s MCAR Test) المتوفر في حزمة naniar عبر استدعاء mcar_test(). فإذا جاءت دلالة الاختبار غير معنوية ((p > 0.05))، يتعزز قرار المحلل بالمضي قدماً في حذف الصفوف المفقودة وفق الأساليب البرمجية المفصلة في هذا الدليل دون خوف من الوقوع في الانحياز المنهجي.

11.2 انكماش حجم العينة وفقدان القوة الإحصائية (Statistical Power)

تتمثل النتيجة المباشرة لتطبيق الحذف الكامل للحالات (Complete Case Analysis) في ظاهرة “تآكل العينة” (Sample Attrition)، والتي يزداد تفاقمها طردياً مع اتساع أبعاد المصفوفة؛ فكلما ازداد عدد المتغيرات (الأعمدة) المقاسة في الدراسة، ازداد احتمال وقوع قيمة مفقودة واحدة على الأقل في كل صف. وتخضع هذه الظاهرة لقاعدة رياضية تضاعفية تجعل نسبة الصفوف المتبقية تتقلص بشكل أسي حتى وإن كانت نسبة الفقدان في كل متغير على حدة ضئيلة للغاية لا تتجاوز 1% أو 2%.

يترتب على هذا الانكماش في الحجم النهائي للمصفوفة (N) انخفاض مباشر في درجات الحرية (Degrees of Freedom) المتاحة للاختبارات الإحصائية، مما يؤدي بالضرورة إلى تضخيم الخطأ المعياري (Standard Error) للتقديرات الحسابية، واتساع فترات الثقة (Confidence Intervals)، وانحدار “القوة الإحصائية” (Statistical Power) للاختبارات؛ وهو ما يعني تضاؤل قدرة الباحث الرياضية على اكتشاف الفروق الجوهرية والتأثيرات الحقيقية حتى لو كانت موجودة فعلاً في المجتمع المدروس.

لذلك، تضع المعايير الأكاديمية الرصينة حدوداً صارمة لمقبولية الحذف؛ فإذا تجاوزت نسبة الصفوف المحذوفة 5% إلى 10% من الحجم الكلي للمصفوفة الأصلية، يصبح التراجع عن خيار الحذف الكلي واجباً منهجياً، والتحول نحو استراتيجيات التعويض المتقدم كاستخدام خوارزمية السلاسل التوافقية متعددة المتغيرات عبر المعادلات التسلسلية (MICE) لضمان سلامة الاستنتاج العلمي وموثوقيته.

11.3 إدخال الانحياز المنهجي في مصفوفات القياس النفسي والكمي

في مجالات القياس النفسي (Psychometrics) والعلوم السلوكية، تعتمد دراسات البنية العاملية على مصفوفات استجابات الاستبانات ومقاييس ليكرت الممثلة للأبعاد والسمات الكامنة. يؤدي استخدام الدوال الجاهزة لحذف الصفوف المفقودة من هذه المصفوفات إلى تشويه فادح في مصفوفة التغاير المشترك المستهدفة، مما ينعكس سلباً على التحليل العاملي الاستكشرافي (EFA) والتوكيدي (CFA).

ينبع هذا التشويه من حقيقة أن الأفراد الذين يتركون أسئلة محددة دون إجابة غالباً ما يشتركون في خصائص سماتية معينة، مثل ارتفاع مستويات التحفظ، أو ضعف القدرة على التركيز، أو تدني الدافعية لإكمال الاختبار الطويل. ويؤدي حذف هؤلاء الأفراد إلى إخضاع المصفوفة لعملية تصفية ديموغرافية تعزل فئات مجتمعية بالكامل، مما يغير التباين الطبيعي للمتغيرات ويقود إلى انخفاض مقاييس الموثوقية الداخلية مثل معامل ألفا كرونباخ (Cronbach’s Alpha)، وظهور أوزان تشبع عاملية زائفة تفكك التماسك النظري للنموذج المفاهيمي المقاس.

ولضمان الشفافية الأكاديمية والنزاهة العلمية، توصي لجان مراجعة النشر الدولي المتخصصة بضرورة تضمين قسم كامل في المنهجية الإحصائية يوثق بالتفصيل: حجم المصفوفة الأولي قبل التصفية، وعدد الصفوف والأعمدة المستبعدة بالرموز الدقيقة، والنمط الإحصائي الحاكم للفقدان، ومقارنة وصفية ديموغرافية بين العينة المستبعدة والعينة المحتفظ بها، لتبرير مشروعية المعالجة المصفوفية المتخذة.

12. أفضل الممارسات البرمجية والأخطاء الشائعة وحلولها عند تنظيف المصفوفات في R

12.1 الأخطاء الشائعة في الفهرسة وكتابة الأوامر

تتضمن ممارسات كتابة الشفرات البرمجية لتنظيف المصفوفات في R مجموعة من الأخطاء المتكررة التي يقع فيها الممارسون. ومن أشهر هذه الأخطاء على الإطلاق: “إسقاط الفاصلة الإلزامية” داخل الأقواس المربعة للفهرسة؛ كأن يكتب المبرمج my_matrix[!rowSums(is.na(my_matrix))] متناسياً الفاصلة والمسافة المخصصة للأعمدة. يؤدي هذا الخطأ الكارثي إلى قيام R بمعاملة المصفوفة كمتجه تسلسلي خطي أحادي البعد، مما ينتج عنه متجه رقمي مشوه ومستقطع لا يمت بصلة لهيكل المصفوفة الأصلي، مسبباً توقفاً كاملاً للمراحل التحليلية اللاحقة.

ومن الأخطاء التكتيكية الشائعة أيضاً استخدام المقارنة المنطقية المباشرة my_matrix == NA، وهو سلوك يفرز مصفوفة كاملة من القيم المفقودة NA بدلاً من مصفوفة بوليانية، مما يؤدي لانهيار شرط التصفية. ويضاف إلى ذلك خطأ “التلويث النمطي غير المقصود”؛ ويحدث عندما يقوم المحلل بإدخال الرمز النصي "NA" (بين علامتي تنصيص) بدلاً من الرمز الخاص المجرد NA أثناء تعديل البيانات يدوياً. هذا الخطأ الشكلي الطفيف يؤدي بفعل خاصية التجانس الإلزامية للمصفوفات إلى تحويل كافة الأرقام الحقيقية في المصفوفة إلى نصوص (Characters)، مما يدمر بنيتها الجبرية ويجعل من المستحيل تطبيق أي دالة حسابية عليها دون إعادة هيكلتها ونمذجتها من جديد.

كذلك يُهمل العديد من الباحثين خطوة الاحتفاظ بالأسماء التعريفية وتحديثها، أو يفشلون في الانتباه إلى ضياع تطابق معرفات المرضى مع الصفوف بعد الحذف، مما يقتضي دوماً التحقق من سمة rownames() بعد اكتمال التنظيف لضمان بقاء الارتباط المعرفي الدقيق بين الحالات الإحصائية وبياناتها الرقمية المصاحبة.

12.2 بناء دوال مخصصة قابلة لإعادة الاستخدام لإدارة مصفوفات البيانات

تقتضي معايير هندسة البرمجيات الاحترافية تجنب تكرار الشفرات اليدوية، وتجميع الخطوات التحليلية داخل دوال مخصصة (Custom Functions) تتسم بالمتانة والقدرة على التعامل مع مختلف المدخلات والحالات الشاذة. فيما يلي نموذج لدالة برمجية أكاديمية متقدمة ومهيأة للاستخدام الإنتاجي في تنظيف المصفوفات من القيم المفقودة:

# دالة متكاملة ومرنة لتنظيف المصفوفات مع توثيق تشخيصي
clean_matrix_advanced <- function(mat, margin = 1, max_na_prop = 0) {
 # التحقق الدفاعي الصارم من نوع المدخل
 if (!is.matrix(mat)) {
 stop("خطأ في الإدخال: الكائن الممرر للدالة يجب أن يكون مصفوفة رياضية حصراً (Matrix).")
 }
 
 # margin = 1 يعني تصفية الصفوف، margin = 2 يعني تصفية الأعمدة
 if (margin == 1) {
 na_proportions <- rowMeans(is.na(mat))
 keep_indices <- na_proportions <= max_na_prop
 filtered_mat <- mat[keep_indices, , drop = FALSE]
 } else if (margin == 2) {
 na_proportions <- colMeans(is.na(mat))
 keep_indices <- na_proportions <= max_na_prop
 filtered_mat <- mat[, keep_indices, drop = FALSE]
 } else {
 stop("خطأ في المعامل: قيمة margin يجب أن تكون إما 1 (للصفوف) أو 2 (للأعمدة).")
 }
 
 # توليد وطباعة تقرير وصفي تشخيصي موجز
 removed_count <- sum(!keep_indices)
 cat(sprintf("تم بنجاح استبعاد %d من العناصر عبر البعد المحدد. الأبعاد الحالية: %d صف و %d عمود.n",
 removed_count, nrow(filtered_mat), ncol(filtered_mat)))
 
 return(filtered_mat)
}

تتضمن هذه الدالة آليات تحقق دفاعية مسبقة، وتمنح المستخدم مرونة كاملة في تحديد بعد المعالجة (صفوف أو أعمدة) وتحديد نسبة التسامح المسموح بها مع الفقدان، مع فرض تطبيق drop = FALSE تلقائياً لمنع تقليص الأبعاد، وإصدار تقرير تشخيصي فوري يوثق مجريات المعالجة ويدعم الشفافية البرمجية.

12.3 التوافق مع الحزم المتقدمة وتصدير المصفوفات المنظفة

عقب إتمام عمليات الاستئصال والتنظيف، يحتاج المحلل في كثير من الأحيان إلى دمج المصفوفة الناتجة ضمن خطوط أنابيب أوسع نطاقاً (Data Pipelines) تتضمن حزم التخزين والمعالجة الحديثة، مثل tibble أو data.table. يتم التحويل الآمن بين هذه الكيانات دون إتلاف بنية البيانات باستخدام الأوامر الأصلية الموجهة:

# التحويل السلس إلى إطار بيانات حديث (Tibble) مع الاحتفاظ بالمعرفات
library(tibble)
clean_tibble <- as_tibble(safe_matrix_rows, rownames = "Sample_ID")
# التحويل السريع إلى كائن data.table فائق السرعة
library(data.table)
clean_dt <- as.data.table(safe_matrix_rows, keep.rownames = "Sample_ID")

وعند الرغبة في تخزين المصفوفة المنقاة على القرص الصلب لاستدعائها في جلسات عمل مستقبلية أو مشاركتها مع باحثين آخرين، يجب الابتعاد عن تصديرها كملفات نصية بسيطة (مثل CSV) إذا كانت المصفوفة ضخمة وتحتوي على سمات جبرية معقدة؛ لأن التصدير النصي يعيد قراءة الأرقام بنسب خطأ تقريبية طفيفة ويفقد السمات التعريفية للأبعاد. بدلاً من ذلك، يُوصى بالاعتماد على صيغ التخزين الثنائية الأصلية في R مثل .rds و .RData:

# الحفظ الثنائي الآمن لمصفوفة التحليل المحصنة
saveRDS(safe_matrix_rows, file = "clean_matrix_checkpoint.rds")
# استرجاع المصفوفة بهيكلها الرياضي والذاكري الكامل في أي وقت
restored_matrix <- readRDS("clean_matrix_checkpoint.rds")

تضمن هذه الصيغ الثنائية احتفاظ المصفوفة بتفاصيلها الذاكرية الصارمة، ودقة تمثيل الفاصلة العائمة لأرقامها، وتوافقها التام مع متطلبات النمذجة الإحصائية القابلة للتكرار (Reproducible Research)، مما يشكل الختام الأمثل لمسار تنظيف البيانات وإعدادها للمستويات المتقدمة من التحليل الرياضي.

خاتمة

تناولنا في هذا الدليل المعمق والشامل الأبعاد التقنية والمنهجية لمعالجة القيم المفقودة (NA) في مصفوفات لغة البرمجة R. لقد أوضحنا أن المصفوفات، بحكم طبيعتها الهيكلية المتجانسة وارتباطها العضوي بقواعد الجبر الخطي، تتطلب تعاملاً برمجياً حذراً ومفارقاً تماماً لما هو شائع في إطارات البيانات؛ فالقيمة المفقودة الواحدة تشكل تهديداً كفيلاً بتلويث العمليات المصفوفية وتعطيل الخوارزميات التحليلية المتقدمة مثل SVD ومصفوفات التغاير.

استعرضنا التقنيات الأساسية لاكتشاف الفقدان وتخطيطه عبر is.na() و anyNA()، ثم فككنا ميكانيكية الحذف الأفقي للصفوف عبر rowSums() والمشغل المنطقي !، في مقابل الحذف الرأسي للأعمدة عبر colSums()، مؤكدين على الدور المصيري للمعامل drop = FALSE في الحفاظ على صلابة الهيكل المصفوفي ومنع تحوله الكارثي إلى متجه عادي. كما وازنا بين كفاءة الدوال الجاهزة كـ complete.cases() و na.omit()، واستعرضنا استراتيجيات التصفية المتقدمة القائمة على العتبات النسبية، واختتمنا بالتشديد على استحضار النماذج الإحصائية الحاكمة للفقدان (MCAR, MAR, MNAR) لتفادي الانحياز وضمان الصدق المنهجي لنتائج البحث العلمي.

المراجع

اقتباس هذا المقال

looti, M. (2026, سبتمبر 5). كيفية إزالة NA من مصفوفة في R (مع مثال). عرب سايكلوجي. https://arabpsychology.com/statistics/how-to-remove-na-from-matrix-in-r-example/
looti, Mohammed. “كيفية إزالة NA من مصفوفة في R (مع مثال).” عرب سايكلوجي, 5 سبتمبر 2026, https://arabpsychology.com/statistics/how-to-remove-na-from-matrix-in-r-example/.
looti, Mohammed. “كيفية إزالة NA من مصفوفة في R (مع مثال).” عرب سايكلوجي. سبتمبر 5, 2026. https://arabpsychology.com/statistics/how-to-remove-na-from-matrix-in-r-example/.