R语言笔记-缺失值的处理

缺失值的识别

• 缺失值表示：NA，代表not available
• is.na()：返回与输入对象相同格式的对象，其中元素为逻辑值，若原对象该位置元素为缺失值，返回TRUE，否则返回FALSE
• table(is.na())：返回输入对象缺失值与有效值的统计

举例如下：

> M
  ID sex age score
1  1   1  15    80
2  2   2  NA    90
3  3   1  12    95
4  4   1  12    95
5  5  NA  13    98
> is.na(M) # 返回与M格式完全相同的对象，不过元素被替换成了表征是否为缺失值的逻辑值
        ID   sex   age score
[1,] FALSE FALSE FALSE FALSE
[2,] FALSE FALSE  TRUE FALSE
[3,] FALSE FALSE FALSE FALSE
[4,] FALSE FALSE FALSE FALSE
[5,] FALSE  TRUE FALSE FALSE
> table(is.na(M)) # 统计M缺失值的数目

FALSE  TRUE 
   18     2 

缺失值的忽略

在计算中忽略缺失值：na.rm=TRUE

• 若不特别声明，含缺失值的对象计算统计函数将会返回NA
• 在统计函数中增加忽略缺失值的声明na.rm=TRUE，将会返回忽略缺失值后的结果

> mean(M$age)
[1] NA
> mean(M$age,na.rm = TRUE)
[1] 13

• 特别地，summary()函数汇总变量信息时会自动忽略缺失值，并给出缺失值数目

> summary(M)
       ID         sex            age           score     
 Min.   :1   Min.   :1.00   Min.   :12.0   Min.   :80.0  
 1st Qu.:2   1st Qu.:1.00   1st Qu.:12.0   1st Qu.:90.0  
 Median :3   Median :1.00   Median :12.5   Median :95.0  
 Mean   :3   Mean   :1.25   Mean   :13.0   Mean   :91.6  
 3rd Qu.:4   3rd Qu.:1.25   3rd Qu.:13.5   3rd Qu.:95.0  
 Max.   :5   Max.   :2.00   Max.   :15.0   Max.   :98.0  
             NA's   :1      NA's   :1                    

删除变量存在缺失值的个案：na.omit()

• na.omit()：当输入为数据框对象时，删除任意变量取值存在缺失值的个案

> M
  ID sex age score
1  1