欠損値の検索と置換

Rでの欠損データの扱い方

Nicholas Tierney

Statistician

学習内容

隠れた欠損値の探し方
欠損値ラベルを NA に置換する方法
欠損に関する前提の確認

欠損値の検索と置換

理想的な形式 = NA
欠損値が誤ってコーディングされることがある：例「missing」「Not Available」「N/A」
欠損値が NA としてコーディングされていると仮定するのは誤り。

カオスデータの理解

score	grade	place
3	N/A	-99
-99	E	97
4	missing	95
-99	na	92
7	n/a	-98
10		missing
12	.	88
16		.
9	N/a	86

欠損値の検索

miss_scan_count()

chaos %>%
  miss_scan_count(search = list("N/A"))

# A tibble: 3 x 2
  Variable     n
  <chr>    <int>
1 score        0
2 grade        1
3 place        0

欠損値の検索

chaos %>%
  miss_scan_count(search = list("N/A",
                                "N/a"))

# A tibble: 3 x 2
  Variable     n
  <chr>    <int>
1 score        0
2 grade        2
3 place        0

欠損値の置換

chaos %>%
  replace_with_na(replace = list(grade = c("N/A", "N/a")))

# A tibble: 9 x 3
  score grade   place  
  <dbl> <chr>   <chr>  
1     3 NA      -99    
2   -99 E       97     
3     4 missing 95     
4   -99 na      92     
5     7 n/a     -98    
6    10 " "     missing
7    12 .       88     
8    16 ""      .      
9     9 NA      86

replace_with_na のスコープ付きバリアント

replace_with_na は繰り返しになりやすい：
- 多くの変数・値に適用する場合
- 複雑なケース（-1未満の値の置換、文字列列のみへの適用など）
replace_with_na_all() 全変数に適用。
replace_with_na_at() 指定した変数のサブセットに適用。
replace_with_na_if() 条件（数値型、文字型など）を満たす変数のサブセットに適用。

スコープ付きバリアントの使用

chaos %>%
  replace_with_na_all(condition = ~.x == -99)

# A tibble: 9 x 3
  score grade   place  
  <dbl> <chr>   <chr>  
1     3 N/A     NA     
2    NA E       97     
3     4 missing 95     
4    NA na      92     
5     7 n/a     -98    
6    10 " "     missing
7    12 .       88     
8    16 ""      .      
9     9 N/a     86

スコープ付きバリアントの使用

chaos %>% 
  replace_with_na_all(condition = ~.x %in% c("N/A", "missing", "na"))

# A tibble: 9 x 3
  score grade place
  <dbl> <chr> <chr>
1     3 NA    -99  
2   -99 E     97   
3     4 NA    95   
4   -99 NA    92   
5     7 n/a   -98  
6    10 " "   NA   
7    12 .     88   
8    16 ""    .    
9     9 N/a   86

練習しましょう！

Rでの欠損データの扱い方