![r语言data[i,1]输出为空值怎么处理,第1张](/aiimages/r%E8%AF%AD%E8%A8%80data%5Bi%2C1%5D%E8%BE%93%E5%87%BA%E4%B8%BA%E7%A9%BA%E5%80%BC%E6%80%8E%E4%B9%88%E5%A4%84%E7%90%86.png "r语言data[i,1]输出为空值怎么处理,第1张")
>x <- c(10.4, 5.6, 3.1, 6.4, 21.7)c()是创建函数，赋值运算符是'<-'，与函数assign()等价
>assign("x", c(10.4, 5.6, 3.1, 6.4, 21.7)) 也可以写成：
>c(10.4, 5.6, 3.1, 6.4, 21.7) ->x
如果一个表达式被当作一个完整的命令，它的值将被打印到终端但不被储存。
单独输入x则会将值打印出来。也可以打印倒数：
>1/x
>y <- c(x, 0, x) 也可以将向量作为元素。
2.2 向量运算
操作是按照向量中的元素一个一个进行的。同一个表达式中的向量并不需要具有相同的长度。如果它们的长度不同,表达式的结果是一个与表达式中最长向量有相同长度的向量。表达式中较短的向量会根据它的长度被重复使用若干次(不一定是整数次)，直到与长度最长的向量相匹配。而常数很明显的将被不断重复。如，
>v <- 2*x + y + 1
常用运算有：
+，-，*，/，^（次方）；
log, exp, sin, cos, tan,sqrt等；
max和min的作用是选出所给向量中最大的或最小的元素；
range函数的值是一个长度为2的向量，即c(min(x),max(x))
length(x)返回了向量x中元素的个数，也就是x的长度。
sum(x)给出了x中所有元素的总和；
prod(x)给出x中所有元素的乘积；
mean(x)和var(x)，分别计算样本均值和样本方差，这两个函数分别相当于sum(x)/length(x)，sum((x-mean(x)) \^2)/(length(x) -1)。如果var()的参数是一个n*p的矩阵，那么函数的值是一个p*p的样本协方差矩阵，认为每行是一个p变量的样本向量。
sort(x)返回一个与x具有相同长度的向量，其中的元素按招升序排列。还有其他更灵活的排序功能(参见order()和sort.list())。
pmax和pmin将返回一个与最长的向量长度相等的向量，向量中的元素由参数中所有向量在相应位置的最大值(最小值)组成；
如果要使用复数，需要直接给出一个复数部分。因此sqrt(-17)将会返回NaN(无效数值)和一个警告，而sqrt(-17+0i)将按照复数进行运算。
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：
is.null()R语言中，NA代表位置上的值为空，NULL代表连位置都没有，变量为空。
判断语句
判断向量中的元素是否没有值：is.na()
判断向量是否空值：is.null()
