R语言寻找数据集缺失值位置

前言

R语言中并没有现成函数给出缺失值所在的位置，函数 is.na() 返回一个与原数据同型的逻辑“矩阵”（不一定是矩阵类型），现在我们自行编写一个函数用来寻找缺失值的具体位置，并在此基础上我们可以进一步画出缺失值的散点图，观察其分布等一系列操作。

代码及解释

na_position <- function(x){
  # x <- as.matrix(x)
  temp <- which(is.na(x))
  if(setequal(temp, integer(0))){
    return(temp)
  }
  temp_row <- dim(x)[1]
  result <- data.frame(matrix(0, length(temp), 2))
  colnames(result) <- c("Row", "Column")
  for(i in 1:length(temp)){
    result[i, 1] <- temp[i] %% temp_row
    result[i, 2] <- temp[i] %/% temp_row + 1
  }
  return(result)
}

• # x <- as.matrix(x) 这句话视情况看要不要注释掉，因为在接下来的操作中有些数据类型并不能顺利通过，所以需要先进行数据转换，这里转换成 matrix 类型是因为 matrix 的开销相对较小。
• 还有一种情况算是前面的子情况，就是一个数据有双类型甚至是更多的类型，而在后面的代码运行中，使用了不好的类型。
• 假使没有缺失值，将返回 integer(0)，这是个非常特殊的符号，代表啥也没有，空集，不能简单的与0做比较，integer(0) == 0结果出来是FALSE，而不会是TRUE，因此需要函数setequal()进行判断
• 关于result[i, 1] <- temp[i] %% temp_row 和result[i, 2] <- temp[i] %/% temp_row + 1，熟悉编程的语言可能已经想到了，实际上这与 矩阵、数据框等按列存放 有关，举个例子，

> A=matrix(1:12, 3, 4)
> A[2,3] <- NA
> A
     [,1] [,2] [,3] [,4]
[1,]    1    4    7   10
[2,]    2    5   NA   11
[3,]    3    6    9   12
> which(is.na(A))
[1] 8

这里为啥是8不是7呢？因为它是按列数的

• 最后，结果以 data.frame 形式返回

后续的一些观察与处理

result <- na_position(data)
# 获取缺失值所在的所有行
na_row <- unique(result[ ,1])
# 获取缺失值所在的所有列
na_col <- unique(result[ ,2])
# 直观观察缺失值的分布
plot(result)
# 缺失值是否会服从正态分布？
Shaporo.test (···)
# 缺失值是否服从均匀分布
chisq.test(···)