9.1.6. Fehlende Werte ersetzen - Codes verändern Datentyp

[aithalides]

zu 9.1.6 Fehlende Werte ersetzen (S.122 f)
der für die Anwendung der beiden Funktionen replace_na() und replace() vorgeschlagene Code:

• führt im ersten Fall zu einer Fehlermeldung: ! Can't convert from replace$interest to data$interest due to loss of precision.
• führt im zweiten Fall dazu, dass die Variable interest vom Datentyp float zu Datentyp integer konvertiert.
  In beiden Fällen ist der Grund, dass die Berechnung des Mittelwertes zur Imputation mittels mean() eine Dezimalzahl ergibt. Dieses tut im zweiten Fall replace() noch nicht weh, ist aber nicht mehr konsistent mit den anderen Spalten im Dataframe.
  Lösung in beiden Fällen ist die Umwandlung der Dezimalzahl in eine Integer mittels as.integer().