查找并替换缺失值

在 R 中处理缺失数据

Nicholas Tierney

Statistician

本节内容

如何查找隐性缺失值
将缺失值标签替换为 NA
验证对缺失机制的假设

查找并替换缺失值

理想情况 = NA
缺失值可能被错误编码：如 "missing"、"Not Available"、"N/A"
直接假设缺失都用 NA 编码是错误的。

理解 Chaos

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

查找缺失值

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

查找缺失值

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

替换缺失值

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 的"范围变体"

replace_with_na 可能重复繁琐：
- 需在多变量、多取值上使用
- 复杂情形：如替换小于 -1 的值，仅影响字符列
replace_with_na_all() 作用于所有变量。
replace_with_na_at() 作用于选定子集。
replace_with_na_if() 作用于满足条件的子集（如 numeric、character）。

使用范围变体替换缺失值

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

使用范围变体替换缺失值

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

¡Vamos a practicar!

在 R 中处理缺失数据