R语言中存在一些空值(null-able values),当我们进行数据分析时,理解这些值是非常重要的。
通常来说,R语言中存在:
这四种数据类型在R中都有相应的函数用以判断。
NA即Not available,是一个 长度为1的逻辑常数 ,通常代表缺失值。NA可以被强制转换为任意其他数据类型的向量。
可以采用is.na()进行判断。另外,NA和“NA”不可以互换。
NULL是一个 对象(object) ,当 表达式或函数产生无定义的值 或者 导入数据类型未知的数据 时就会返回NULL。
可以采用is.null()进行判断。
NaN即Not A Number,是一个 长度为1的逻辑值向量 。
可以采用is.nan()进行判断。另外,我们可以采用is.finite()或is.infinite()函数来判断元素是有限的还是无限的,而对NaN进行判断返回的结果都是False。
Inf即Infinity无穷大,通常代表一个很大的数或以0为除数的运算结果,Inf说明数据并没有缺失(NA)。
可以采用is.finite()或is.finite()进行判断。
理解完四种类型数值以后,我们来看看该采取什么方法来处理最最常见的缺失值NA。
小白学统计在推文《有缺失值怎么办?系列之二:如何处理缺失值》里说“ 处理缺失值最好的方式是什么?答案是:没有最好的方式。或者说,最好的方式只有一个,预防缺失,尽量不要缺失。 ”
在缺失数很少且数据量很大的时候,直接删除法的效率很高,而且通常对结果的影响不会太大。
如数据框df共有1000行数据,有10行包含NA,不妨直接采用函数na.omit()来去掉带有NA的行,也可以使用tidyr包的drop_na()函数来指定去除哪一列的NA。
用其他数值填充数据框中的缺失值NA。
使用tidyr包的replace_na()函数。
使用tidyr包的fill()函数将上/下一行的数值填充至选定列中NA。
除此之外,类似原理的填充法还有均值填充法(用该变量的其余数值的均值来填充)、LOCF(last observation carried forward)、BOCF(baseline observation carried forward)、WOCF(worst observation carried forward)等。
当分类自变量出现NA时,把缺失值单独作为新的一类。
在性别中,只有男和女两类,虚拟变量的话以女性为0,男性为1。如果出现了缺失值,可以把缺失值赋值为2,单独作为一类。由于将缺失值赋值,在统计时就不会把它当做缺失值删除,避免了由于这一个变量缺失而导致整个观测值被删除的情况。
假定有身高和体重两个变量,要填补体重的缺失值,我们可以把体重作为因变量,建立体重对身高的回归方程,然后根据身高的非缺失值,预测体重的缺失值。
参考资料:
由于数据中含有NA,if不能讲if()内的计算结果的NA识别为TRUE和FALSE中的任一个,因此会这样报错。解决办法:
只需要使用na.omit去掉含有NA的行或列,就可以愉快地进行if循环了~
啊啊啊,这个坑了我好一会~
>ID <- paste("A","00","q",1:5,sep = "+")
>ID
[1] "A+00+q+1" "A+00+q+2" "A+00+q+3" "A+00+q+4" "A+00+q+5"
>ID <- paste("A","00",1:5,sep = "")
>ID
[1] "A001" "A002" "A003" "A004" "A005"
>age<-c(24,NA,35,19,-20)
>age
[1] 24 NA 35 19 -20
>df1<-data.frame(ID,age)
>df1
ID age
1 A001 24
2 A002 NA
3 A003 35
4 A004 19
5 A005 -20
>#判别有无缺失值
>is.na(df1)
ID age
[1,] FALSE FALSE
[2,] FALSE TRUE
[3,] FALSE FALSE
[4,] FALSE FALSE
[5,] FALSE FALSE
>#将不合理的值定义为缺失值
>df1$age[df1$age<0] <- NA
>df1
ID age
1 A001 24
2 A002 NA
3 A003 35
4 A004 19
5 A005 NA
>#替换缺失值
>df1[is.na(df1)]<-mean(df1$age,na.rm = T)#rm是remove的意思,移除na值
>df1
ID age
1 A001 24
2 A002 26
3 A003 35
4 A004 19
5 A005 26
>#omit函数去除na值
>ID <- paste("A","00",1:5,sep = "")
>age<-c(24,NA,35,19,-20)
>df1<-data.frame(ID,age)
>df1
ID age
1 A001 24
2 A002 NA
3 A003 35
4 A004 19
5 A005 -20
>df1$age[df1$age<0] <- NA
>df1
ID age
1 A001 24
2 A002 NA
3 A003 35
4 A004 19
5 A005 NA
>na.omit(df1)#omit会将na值所有行都删除
ID age
1 A001 24
3 A003 35
4 A004 19
>#判断与转换函数
>a<-c(1,2,3)
>a
[1] 1 2 3
>b<-c("a","b","c“)
+ b
+ d<-c("1","2")
Error: unexpected numeric constant in:
"b
d<-c("1"
>c
age country
1 1 Chian
2 5 India
>e<-matrix(1:6,2,3)
>e
[,1] [,2] [,3]
[1,] 1 3 5
[2,] 2 4 6
>e<-matrix(1:6,ncol=2)
>e
[,1] [,2]
[1,] 1 4
[2,] 2 5
[3,] 3 6
>f<-c(1:10)
>f
[1] 1 2 3 4 5 6 7 8 9 10
>is.character(b)
[1] FALSE
>is.numeric(a)
[1] TRUE
>is.data.frame(df1)
[1] TRUE
>as.numeric(d)
[1] 1 2
>as.character(a)
[1] "1" "2" "3"
>df1
ID age
1 A001 24
2 A002 NA
3 A003 35
4 A004 19
5 A005 NA
>as.character(df1)
[1] "1:5" "c(24, NA, 35, 19, NA)"
>is.vector(a)
[1] TRUE
>is.matrix(e)
[1] TRUE
>as.matrix(f,nrow=2)
[,1]
[1,] 1
[2,] 2
[3,] 3
[4,] 4
[5,] 5
[6,] 6
[7,] 7
[8,] 8
[9,] 9
[10,] 10