R語言︱缺失值處理_R︱資料操作與清洗

#缺失值

an=c(1,2,NA)is.na(an)                         #會形成一個布爾向量

布爾向量就是一群像（FALSE,FALSE,TURE）這樣的向量。

關於缺失值還有一個函數：complete.cases函數

該函數與is.na的區別在於：

1、輸出資料格式不同。is.na按照資料框格式形成一個（FALSE,FALSE,TURE）列，而complete.cases形成是一個數列向量，不再是按照資料框格式；

2、輸出資料內容不同。complete.cases輸出的邏輯向量與is.na正好相反，is.na的TURE為是缺失值；complete.cases的TURE為完整值。

an=c(1,2,NA)sum(complete.cases(an)) sum(!complete.cases(an))#==sum(is.na(an))mean(!complete.cases(an))  #獲得缺失比例==1/3

疑惑：為什麼布爾向量，sum一下可以得到數值。   ——因為R預設將TURE、FALSE當做1、0

#計算缺失值個數

sum(is.na(an))                    #單數列，sum一下可以直接計算“Ture”的數值和colSums(is.na(an),na.rm = T)      #多維數列，按列，na.rm為是否需要忽略缺失值，na.rm=T表示忽略，刪除rowSums(is.na(an),na.rm = T)      #多維數列，按行，na.rm為是否需要忽略缺失值，na.rm=T表示忽略，刪除

#資料框中的缺失值操作

#資料框中的缺失值操作

y <- an[is.na(an)]               #選中缺失值y<-  an[is.na(an)=="TRUE"]       #上同，選中缺失值an[is.na(an)] <- 0               # 表示將向量x中所以NA元素用0來代替an[(!is.na(an)) & x>0] -> z      #可以用 & 加入其他條件，進行篩選

————————————————————————————————————————————————————————————

缺失值檢測解決方案：

關於缺失值的檢測應該包括：缺失值數量、缺失值比例、缺失值與完整值資料篩選。

#缺失值解決方案sum(complete.cases(saledata))         #is.na(saledata)sum(!complete.cases(saledata))mean(!complete.cases(saledata))       #1/201數字，缺失值比例saledata[!complete.cases(saledata),]  #篩選出缺失值的數值