R语言中na.fail和na.omit的用法
实际工作中,数据集很少是完整的,许多情况下样本中都会包括若干缺失值NA,这在进行数据分析和挖掘时比较麻烦。
R语言通过na.fail和na.omit可以很好地处理样本中的缺失值
1、na.fail(<向量a>): 如果向量a内包括至少1个NA,则返回错误;如果不包括任何NA,则返回原有向量a
2、na.omit(<向量a>): 返回删除NA后的向量a
3、attr( na.omit(<向量a>) ,”na.action”): 返回向量a中元素为NA的下标
4、is.na:判断向量内的元素是否为NA
example:
data<-c(1,2,NA,2,4,2,10,NA,9) data.na.omit<-na.omit(data) data.na.omit [1] 1 2 2 4 2 10 9 attr(,"na.action") [1] 3 8 attr(,"class") [1] "omit" attr(data.na.omit,"na.action") [1] 3 8 attr(,"class") [1] "omit"
另外还可以使用!x方式方便地删除NA。
例如:
a<-c(1,2,3,NA,NA,2,NA,5) a[!is.na(a)] [1] 1 2 3 2 5
其中,is.na用于判断向量内的元素是否为NA,返回结果:c(FALSE,FALSE,FALSE,TRUE,TRUE,FALSE,TRUE,FALSE),即a内元素为NA,其对应的下标元素是TRUE,反之是FALSE。
!x是取非逻辑运算符,!is.na(a)表示a内元素不为NA,其对应的下标元素是TRUE,反之是FALSE。
通过a[!is.na(a)]进行索引后,即可取出a内不为NA的元素,将其过滤。
其中,函数na.fail和 na.omit 不仅可以应用于向量,也可以应用于矩阵和数据框。
example:
data <- read.table(text=" a b c d e f NA 1 1 1 1 1 1 NA 1 1 1 1 1 1 NA 1 1 1 1 1 1 NA 1 1 1 1 1 1 NA 1 1 1 1 1 1 NA",header=T) na.omit(data) data >[1] a b c d e f <0 行> (或0-长度的row.names)
补充:R语言移除缺失值 NA.RM
看代码~
> a <- 2:12 > b <- seq(2,23,2) > c <- c(1:11)^3 > d <- c(5:8, 30:36) > df <- data.frame(a,b,c,d) > df$a[df$a==8] <- NA > df$b[df$b==8] <- NA > df$c[df$c==8] <- NA > df$d[df$d==8] <- NA > df$d[df$d==32] <- NA > df a b c d 1 2 2 1 5 2 3 4 NA 6 3 4 6 27 7 4 5 NA 64 NA 5 6 10 125 30 6 7 12 216 31 7 NA 14 343 NA 8 9 16 512 33 9 10 18 729 34 10 11 20 1000 35 11 12 22 1331 36 // 只根据第四列,也就是d 的 NA,移除相应的行 > bad.d <- is.na(df$d) > bad.d [1] FALSE FALSE FALSE TRUE FALSE FALSE TRUE FALSE FALSE FALSE FALSE > df[!bad.d,] a b c d 1 2 2 1 5 2 3 4 NA 6 3 4 6 27 7 5 6 10 125 30 6 7 12 216 31 8 9 16 512 33 9 10 18 729 34 10 11 20 1000 35 11 12 22 1331 36 // 根据第二列和第三列的NA 移除相应的行 > df[complete.cases(df[,2:3]),] a b c d 1 2 2 1 5 3 4 6 27 7 5 6 10 125 30 6 7 12 216 31 7 NA 14 343 NA 8 9 16 512 33 9 10 18 729 34 10 11 20 1000 35 11 12 22 1331 36 // 根据第二列和 第四列的NA,移除相应的行 > df[complete.cases(df[,c(2,4)]),] a b c d 1 2 2 1 5 2 3 4 NA 6 3 4 6 27 7 5 6 10 125 30 6 7 12 216 31 8 9 16 512 33 9 10 18 729 34 10 11 20 1000 35 11 12 22 1331 36 // 根据所有列的NA,移除相应的行 > df[complete.cases(df),] a b c d 1 2 2 1 5 3 4 6 27 7 5 6 10 125 30 6 7 12 216 31 8 9 16 512 33 9 10 18 729 34 10 11 20 1000 35 11 12 22 1331 36 > // 这个效果跟上面的df[complete.cases(df),] 相同 > na.omit(df) a b c d 1 2 2 1 5 3 4 6 27 7 5 6 10 125 30 6 7 12 216 31 8 9 16 512 33 9 10 18 729 34 10 11 20 1000 35 11 12 22 1331 36 // 计算某一列的平均值, 移除NA值 > mean(df$d, na.rm=TRUE)
以上为个人经验,希望能给大家一个参考,也希望大家多多支持我们。如有错误或未考虑完全的地方,望不吝赐教。
赞 (0)