R語言中na.fail和na.omit的用法
實際工作中，數(shù)據(jù)集很少是完整的，許多情況下樣本中都會包括若干缺失值NA，這在進(jìn)行數(shù)據(jù)分析和挖掘時比較麻煩。
R語言通過na.fail和na.omit可以很好地處理樣本中的缺失值
1、na.fail（<向量a>）: 如果向量a內(nèi)包括至少1個NA，則返回錯誤；如果不包括任何NA，則返回原有向量a
2、na.omit（<向量a>）: 返回刪除NA后的向量a
3、attr（ na.omit（<向量a>） ,”na.action”）: 返回向量a中元素為NA的下標(biāo)
4、is.na：判斷向量內(nèi)的元素是否為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"
另外還可以使用!x方式方便地刪除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用于判斷向量內(nèi)的元素是否為NA，返回結(jié)果：c(FALSE,FALSE,FALSE,TRUE,TRUE,FALSE,TRUE,FALSE)，即a內(nèi)元素為NA，其對應(yīng)的下標(biāo)元素是TRUE，反之是FALSE。
！x是取非邏輯運算符，!is.na（a）表示a內(nèi)元素不為NA，其對應(yīng)的下標(biāo)元素是TRUE，反之是FALSE。
通過a[!is.na（a）]進(jìn)行索引后，即可取出a內(nèi)不為NA的元素，將其過濾。
其中，函數(shù)na.fail和 na.omit 不僅可以應(yīng)用于向量，也可以應(yīng)用于矩陣和數(shù)據(jù)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-長度的row.names)
補充：R語言移除缺失值 NA.RM
看代碼~
> 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
// 只根據(jù)第四列，也就是d 的 NA，移除相應(yīng)的行
> bad.d <- is.na(df$d)
> bad.d
[1] FALSE FALSE FALSE TRUE FALSE FALSE TRUE FALSE FALSE FALSE FALSE
> df[!bad.d,]
a b c d
1 2 2 1 5
2 3 4 NA 6
3 4 6 27 7
5 6 10 125 30
6 7 12 216 31
8 9 16 512 33
9 10 18 729 34
10 11 20 1000 35
11 12 22 1331 36
// 根據(jù)第二列和第三列的NA 移除相應(yīng)的行
> df[complete.cases(df[,2:3]),]
a b c d
1 2 2 1 5
3 4 6 27 7
5 6 10 125 30
6 7 12 216 31
7 NA 14 343 NA
8 9 16 512 33
9 10 18 729 34
10 11 20 1000 35
11 12 22 1331 36
// 根據(jù)第二列和 第四列的NA，移除相應(yīng)的行
> df[complete.cases(df[,c(2,4)]),]
a b c d
1 2 2 1 5
2 3 4 NA 6
3 4 6 27 7
5 6 10 125 30
6 7 12 216 31
8 9 16 512 33
9 10 18 729 34
10 11 20 1000 35
11 12 22 1331 36
// 根據(jù)所有列的NA，移除相應(yīng)的行
> df[complete.cases(df),]
a b c d
1 2 2 1 5
3 4 6 27 7
5 6 10 125 30
6 7 12 216 31
8 9 16 512 33
9 10 18 729 34
10 11 20 1000 35
11 12 22 1331 36
>
// 這個效果跟上面的df[complete.cases(df),] 相同
> na.omit(df)
a b c d
1 2 2 1 5
3 4 6 27 7
5 6 10 125 30
6 7 12 216 31
8 9 16 512 33
9 10 18 729 34
10 11 20 1000 35
11 12 22 1331 36
// 計算某一列的平均值， 移除NA值
> mean(df$d, na.rm=TRUE)
以上為個人經(jīng)驗，希望能給大家一個參考，也希望大家多多支持腳本之家。如有錯誤或未考慮完全的地方，望不吝賜教。
相關(guān)文章
這篇文章主要介紹了R語言實現(xiàn)導(dǎo)出矩陣，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2021-04-04
本文使用基本的繪圖命令plot、rect、segments、text繪制一把長10厘米的直尺，文中通過示例代碼介紹的非常詳細(xì)，具有一定的參考價值，感興趣的小伙伴們可以參考一下2022-01-01
在本篇文章里小編給大家整理的是一篇關(guān)于R語言向量知識點及實例講解內(nèi)容，有興趣的朋友們可以學(xué)習(xí)下。2021-03-03
R語言數(shù)據(jù)可視化繪制Circular?bar?plot實現(xiàn)環(huán)形柱狀圖
這篇文章主要為大家介紹了R語言繪制Circular?bar?plot實現(xiàn)環(huán)形柱狀圖的示例詳解，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進(jìn)步2022-02-02
這篇文章主要介紹了R語言 如何獲取指定位置的數(shù)據(jù)，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2021-04-04
本文主要介紹了R語言中g(shù)gplot2繪制雙坐標(biāo)軸圖，文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2022-08-08
這篇文章主要介紹了linux命令行下使用R語言繪圖實例講解，文中實例講解的很清晰，有需要的同學(xué)可以研究下2021-03-03
這篇文章主要介紹了R語言中的因子類型詳解，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2021-04-04
使用ggsignif優(yōu)雅添加顯著性標(biāo)記詳解
這篇文章主要為大家介紹了使用ggsignif優(yōu)雅添加顯著性標(biāo)記詳解，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進(jìn)步，早日升職加薪2022-09-09
這篇文章主要介紹了R語言數(shù)據(jù)檢驗的相關(guān)知識，本文給大家介紹的非常詳細(xì)，對大家的學(xué)習(xí)或工作具有一定的參考借鑒價值,需要的朋友可以參考下2022-03-03