使用 addNA() 后查找 NA 值

Question

我有一个包含一堆分类变量的数据框。其中一些包含 NA，我使用

addNA

函数将它们转换为显式因子水平。当我尝试将它们视为 NA 时，我的问题就出现了，它们似乎没有注册。

这是我的示例数据集并尝试“查找”NA：

df1 <- data.frame(id = 1:200, y =rbinom(200, 1, .5),
                  var1 = factor(rep(c('abc','def','ghi','jkl'),50)))
df1$var2 <- factor(rep(c('ab c','ghi','jkl','def'),50))
df1$var3 <- factor(rep(c('abc','ghi','nop','xyz'),50))

df1[df1$var1 == 'abc','var1'] <- NA

df1$var1 <- addNA(df1$var1)

df1$isNaCol <- ifelse(df1$var1 == NA, 1, 0);summary(df1$isNaCol)
df1$isNaCol <- ifelse(is.na(df1$var1), 1, 0);summary(df1$isNaCol)
df1$isNaCol <- ifelse(df1$var1 == 'NA', 1, 0);summary(df1$isNaCol)
df1$isNaCol <- ifelse(df1$var1 == '<NA>', 1, 0);summary(df1$isNaCol)

此外，当我输入

??addNA

时，我没有得到任何匹配项。这是灰市功能还是什么？任何建议将不胜感激。

Answer 1

使用常用的比较运算符测试与

NA

的相等性总是会产生

NA

——您想要

is.na

。此外，在

is.na

上调用

factor

会测试每个级别索引（而不是与该索引关联的值），因此您需要首先将

factor

转换为

character

向量。

df1$isNaCol <- ifelse(is.na(as.character(df1$var1)), 1, 0);summary(df1$isNaCol)

Answer 2

请注意，这是在调用 addNA()

之前

使用 OP 的数据完成的。

看看

addNA()

 对这些数据做了什么很有启发性。 

> head(df1$var1)
[1] <NA> def  ghi  jkl  <NA> def 
Levels: abc def ghi jkl
> levels(df1$var1)
[1] "abc" "def" "ghi" "jkl"
> head(addNA(df1$var1))
[1] <NA> def  ghi  jkl  <NA> def 
Levels: abc def ghi jkl <NA>
> levels(addNA(df1$var1))
[1] "abc" "def" "ghi" "jkl" NA

addNA

 正在改变因子的 

levels，使得缺失值 (NA

) 是默认情况下 R 会忽略它的级别，因为 

NA

 值所采用的级别当然是缺失的。它还删除了 

NA

 信息 - 从某种意义上说，它不再是未知的，而是“缺失”类别的一部分。

查看

addNA

我们

?addNA

的帮助。

如果我们查看

addNA

 的定义，我们会发现它所做的只是改变级别 

of the factor, not changing the data any:

> addNA
function (x, ifany = FALSE) 
{
    if (!is.factor(x)) 
        x <- factor(x)
    if (ifany & !any(is.na(x))) 
        return(x)
    ll <- levels(x)
    if (!any(is.na(ll))) 
        ll <- c(ll, NA)
    factor(x, levels = ll, exclude = NULL)
}

请注意，它不会以其他方式更改数据 -

NA

 仍然存在于因子中。我们可以通过以下方式复制 

addNA

 的大部分行为：

with(df1, factor(var1, levels = c(levels(var1), NA), exclude = NULL))

> head(with(df1, factor(var1, levels = c(levels(var1), NA), exclude = NULL)))
[1] <NA> def  ghi  jkl  <NA> def 
Levels: abc def ghi jkl <NA>

但是，因为 NA

 现在是一个级别，这些条目

not 通过 is.na() 指示为缺失，这解释了您无法进行的第二个比较（在您使用 is.na()

 的地方）。

从

addNA

 获得的唯一好处是，如果 

NA

 已经作为一个级别存在，它不会将其添加为一个级别。另外，如果数据中没有 

ifany

，您可以通过 

NA

 停止添加 

NA

 作为级别。

你出错的地方是尝试使用常用的比较方法（除了你的第二个例子）将

NA

与某些东西进行比较。如果我们不知道观察的价值和

NA

，我们如何将其与某些东西进行比较？好吧，除了 

NA

 的内部表示之外，我们不能。这就是 

is.na()

 函数所做的事情：

> with(df1, head(is.na(var1), 10))
 [1]  TRUE FALSE FALSE FALSE  TRUE FALSE FALSE FALSE  TRUE FALSE

因此我会这样做（不使用

addNA

根本）

df1 <- transform(df1, isNaCol = is.na(var1))

> head(df1)
  id y var1 var2 var3 isNaCol
1  1 1 <NA> ab c  abc    TRUE
2  2 0  def  ghi  ghi   FALSE
3  3 0  ghi  jkl  nop   FALSE
4  4 0  jkl  def  xyz   FALSE
5  5 0 <NA> ab c  abc    TRUE
6  6 1  def  ghi  ghi   FALSE

如果您希望将其作为

1

、

0

、变量，只需添加 

as.numeric()

，如

所示

df1 <- transform(df1, isNaCol = as.numeric(is.na(var1))) 我认为你真正出错的地方是想要为该因素附加一个

NA

水平。我认为 

addNA()

 是一个方便的函数，可用于 

table()

 之类的东西，甚至有理由认为不需要事先使用 

addNA()

，例如：

> with(df1, table(var1, useNA = "ifany"))
var1
 abc  def  ghi  jkl <NA> 
   0   50   50   50   50

Answer 3

任何与 NA 相比的东西都是 NA；这就是为什么你的第一个总结完全不适用。

addNA

函数将因子中的任何 NA 观察值更改为新水平。然后，该级别被赋予 

label NA（字符模式）。基础变量本身不再具有任何 NA。这就是为什么你的第二个总结全是0。

要查看有多少观察结果具有 NA 级别，请使用 Matthew Plourde 发布的内容。

Answer 4

我很惊讶这么简单的问题却没有简单的答案。我遇到了同样的情况，我的数据管道子集需要 NA 级别。事实证明

is.na()

 适用于水平，但不适用于因子变量本身。所以我的解决方案是基于此。

set.seed(1)
x <- factor(sample(c(0,1,NA), size = 10, replace = T))

x
#[1] 0    <NA> 0    1    0    <NA> <NA> 1    1    <NA>
#Levels: 0 1

x <- addNA(x)
x
#[1] 0    <NA> 0    1    0    <NA> <NA> 1    1    <NA>
#Levels: 0 1 <NA>

# get the level that is NA
na_level <- which(is.na(levels(x))) # 3

# get a logical equivalent of is.na() before using addNA()
!x %in% (levels(x)[-na_level])
# [1] FALSE  TRUE FALSE FALSE FALSE  TRUE  TRUE FALSE FALSE  TRUE