R is.na() Funktion - Erkennen und Behandeln fehlender Werte
Die R-Funktion is.na() wird verwendet, um zu erkennen, welche Elemente in einem Vektor oder Datenrahmen fehlende Werte (NA) sind.
Der Umgang mit fehlenden Werten ist ein wesentlicher Schritt in der Datenanalyse und wirkt sich direkt auf die Genauigkeit der Analyseergebnisse aus.
Die Syntax der Funktion is.na() lautet wie folgt:
is.na(x) anyNA(x) # 检查是否存在任何 NA complete.cases(x) # 检查哪些行没有 NA
Parameter description:
xDer zu überprüfende Vektor, die Matrix oder der Data Frame.
Beispiel
# NA im Vektor erkennen
x <- c(10, NA, 20, NA, 30, 40)
print("NA-Erkennung:")
print(is.na(x))
print(paste("Anzahl der NA:", sum(is.na(x))))
print(paste("Enthält NA:", anyNA(x)))
# NA in Data Frame behandeln
df <- data.frame(
Name= c("Zhang San", "Li Si", "Wang Wu", "Zhao Liu"),
Score= c(88, NA, 76, NA),
Age= c(25, 30, NA, 28)
)
print("\n"Datenrahmen:")
print(df)
# Vollständige Zeilen finden (ohne NA)
print("Vollständige Zeilen:")
print(df[complete.cases(df), ])
# Anzahl der NA in jeder Spalte zählen
print("NA-Anzahl pro Spalte:")
print(colSums(is.na(df)))
# Zeilen mit NA löschen
df_clean <- na.omit(df)
print("\n"Nach dem Entfernen von NA:")
print(df_clean)
x <- c(10, NA, 20, NA, 30, 40)
print("NA-Erkennung:")
print(is.na(x))
print(paste("Anzahl der NA:", sum(is.na(x))))
print(paste("Enthält NA:", anyNA(x)))
# NA in Data Frame behandeln
df <- data.frame(
Name= c("Zhang San", "Li Si", "Wang Wu", "Zhao Liu"),
Score= c(88, NA, 76, NA),
Age= c(25, 30, NA, 28)
)
print("\n"Datenrahmen:")
print(df)
# Vollständige Zeilen finden (ohne NA)
print("Vollständige Zeilen:")
print(df[complete.cases(df), ])
# Anzahl der NA in jeder Spalte zählen
print("NA-Anzahl pro Spalte:")
print(colSums(is.na(df)))
# Zeilen mit NA löschen
df_clean <- na.omit(df)
print("\n"Nach dem Entfernen von NA:")
print(df_clean)
Die Ausgabe nach Ausführung des obigen Codes ist:
[1] "NA 检测:" [1] FALSE TRUE FALSE TRUE FALSE FALSE [1] "NA 个数: 2" [1] "是否有 NA: TRUE" [1] "数据框:" 姓名 成绩 年龄 1 张三 88 25 2 李四 NA 30 3 王五 76 NA 4 赵六 NA 28 [1] "完整行:" 姓名 成绩 年龄 1 张三 88 25 [1] "每列 NA 数:" 姓名 成绩 年龄 0 2 1 [1] "删除 NA 后:" 姓名 成绩 年龄 1 张三 88 25Andere Erweiterungen
R-Sprachbeispiele