搜尋與替換遺漏值

在 R 中處理遺漏值

Nicholas Tierney

Statistician

本章重點

尋找隱藏的遺漏值
將遺漏值標記替換為 NA
檢查你對遺漏機制的假設

搜尋與替換遺漏值

理想情況＝NA
遺漏值可能被錯誤編碼：例如，「missing」、「Not Available」、「N/A」
以為遺漏值都編碼為 NA，這是錯誤的。

理解雜訊資料

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

搜尋遺漏值

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

搜尋遺漏值

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

替換遺漏值

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「範疇變體」

replace_with_na 可能重複繁瑣：
- 用於多個變數與多種值
- 複雜情況，如替換小於 -1 的值，只影響字元欄位。
replace_with_na_all() 針對所有變數。
replace_with_na_at() 針對選定子集變數。
replace_with_na_if() 針對符合條件的變數（numeric、character）。

使用範疇變體的 replace_with_na

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

使用範疇變體的 replace_with_na

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

一起來練習吧！

在 R 中處理遺漏值