У нас есть кадр данных из файла CSV. В кадре данных DF имеются столбцы, содержащие наблюдаемые значения и столбец (VaR2), который содержит дату, в которую было выполнено измерение. Если дата не была записана, файл CSV содержит значение NA, для отсутствия данных.
Var1 Var2
10 2010/01/01
20 NA
30 2010/03/01
Мы хотели бы использовать команду подмножества для определения нового фрейма данных new_DF, чтобы он содержал только строки со значением NA' из столбца (VaR2). В приведенном примере в новом DF будет содержаться только строка 2.
Команда
new_DF<-subset(DF,DF$Var2=="NA")
не работает, результирующий фрейм данных не имеет записей в строке.
Если в исходном CSV файле значение NA обменивается с NULL, эта же команда дает желаемый результат: new_DF<-subset(DF,DF$Var2=="NULL").
Как я могу заставить этот метод работать, если для символьной строки значение NA указано в исходном CSV файле?
Никогда не используйте == 'NA' для проверки отсутствующих значений. Вместо этого используйте is.na(). Это должно сделать это:
new_DF <- DF[rowSums(is.na(DF)) > 0,]
или если вы хотите проверить конкретный столбец, вы также можете использовать
new_DF <- DF[is.na(DF$Var),]
Если у вас есть значения символов NA, сначала запустите
Df[Df=='NA'] <- NA
чтобы заменить их отсутствующими значениями.
NA - специальное значение в R, не смешивайте значение NA с строкой "NA". В зависимости от способа импорта данных ваши ячейки "NA" и "NULL" могут иметь различный тип (поведение по умолчанию заключается в преобразовании строк "NA" в значения NA, а строки "NULL" - как есть).
Если вы используете read.table() или read.csv(), вы должны рассмотреть аргумент "na.strings" для чистого импорта данных и всегда работать с реальными значениями R NA.
Пример, работающий в обоих случаях: "NULL" и "NA":
DF <- read.csv("file.csv", na.strings=c("NA", "NULL"))
new_DF <- subset(DF, is.na(DF$Var2))
complete.cases дает TRUE, когда все значения в строке не NA
DF[!complete.cases(DF), ]
Попробуйте изменить это:
new_DF<-dplyr::filter(DF,is.na(Var2))
Печатает все строки с данными NA:
tmp <- data.frame(c(1,2,3),c(4,NA,5));
tmp[round(which(is.na(tmp))/ncol(tmp)),]