这是我的数据的link。
我的目标是为所有空白单元分配“NA”，而不管分类或数值。我正在使用na.strings =“”。但它没有为所有空白细胞分配NA。
## reading the data
dat <- read.csv("data2.csv")
head(dat)
mon hr acc alc sex spd axles door reg cond1 drug1
1 8 21 No Control TRUE F 0 2 2 Physical Impairment (Eyes, Ear, Limb) A
2 7 20 No Control FALSE M 900 2 2 Inattentive D
3 3 9 No Control FALSE F 100 2 2 2004 Normal D
4 1 15 No Control FALSE M 0 2 2 Physical Impairment (Eyes, Ear, Limb) D
5 4 21 No Control FALSE 25 NA NA D
6 4 20 No Control NA F 30 2 4 Drinking Alcohol - Impaired D
inj1 PED_STATE st rac1
1 Fatal <NA> F <NA>
2 Moderate <NA> F <NA>
3 Moderate <NA> M <NA>
4 Complaint <NA> M <NA>
5 Complaint <NA> F <NA>
6 Moderate <NA> M <NA>
## using na.strings
dat2 <- read.csv("data2.csv", header=T, na.strings="")
head(dat2)
mon hr acc alc sex spd axles door reg cond1 drug1
1 8 21 No Control TRUE F 0 2 2 <NA> Physical Impairment (Eyes, Ear, Limb) A
2 7 20 No Control FALSE M 900 2 2 <NA> Inattentive D
3 3 9 No Control FALSE F 100 2 2 2004 Normal D
4 1 15 No Control FALSE M 0 2 2 <NA> Physical Impairment (Eyes, Ear, Limb) D
5 4 21 No Control FALSE 25 NA NA <NA> <NA> D
6 4 20 No Control NA F 30 2 4 <NA> Drinking Alcohol - Impaired D
inj1 PED_STATE st rac1
1 Fatal NA F NA
2 Moderate NA F NA
3 Moderate NA M NA
4 Complaint NA M NA
5 Complaint NA F NA
6 Moderate NA M NA
我假设你在谈论第5行“性”。可能是这样的情况：在data2.csv文件中，单元格包含一个空格，因此不被R视为空。
另外，我注意到在第5行“axles”和“door”中，从data2.csv读取的原始值是字符串“NA”。您可能也希望将它们视为na.strings。去做这个，
dat2 <- read.csv("data2.csv", header=T, na.strings=c("","NA"))
编辑：
我下载了你的data2.csv。是的，第5行“性别”中有一个空格。所以你要
na.strings=c(""," ","NA")
通过从q中的dplyr安装来调用cran包
library(dplyr)
(file)$(colname)<-sub("-",NA,file$colname)
它会将特定列中的所有空白单元格转换为NA
如果列包含“ - ”，“”，0这样根据空白单元格的类型在代码中更改它
例如。如果我得到一个像“”而不是“ - ”的空白单元格，那么使用此代码：
(file)$(colname)<-sub("", NA, file$colname)
您可以使用gsub将空的多个突变（如“”或空格）替换为NA：
data= data.frame(cats=c('', ' ', 'meow'), dogs=c("woof", " ", NA))
apply(data, 2, function(x) gsub("^$|^ $", NA, x))
使用dplyr的眼睛更友好的解决方案是
require(dplyr)
## fake blank cells
iris[1,1]=""
## define a helper function
empty_as_na <- function(x){
if("factor" %in% class(x)) x <- as.character(x) ## since ifelse wont work with factors
ifelse(as.character(x)!="", x, NA)
}
## transform all columns
iris %>% mutate_each(funs(empty_as_na))
要将更正应用于列的子集，您可以使用dplyr的列匹配语法指定感兴趣的列。例如：mutate_each(funs(empty_as_na), matches("Width"), Species)
如果您的表包含日期，您应该考虑使用more typesafe版本的ifelse
我最近遇到了类似的问题。这对我有用，如果变量是数字，那么简单的df$Var[df$Var == ""] <- "NA"就足够了。但是如果变量是一个因子，那么你需要先将它转换为字符，然后用你想要的值替换""单元格，然后将其转换回因子。举个例子，你的性别变量，我认为这将是一个因素，如果你想要替换空单元格，我会做以下事情：
df$Var <- as.character(df$Var)
df$Var[df$Var==""] <- "NA"
df$Var <- as.factor(df$Var)
这应该可以解决问题
dat <- dat %>% mutate_all(na_if,"")
如果您使用避免或外部包来读取外部文件，我的函数会考虑因子，字符向量和潜在属性。它还允许匹配不同的自定义na.strings。要转换所有列，只需使用lappy：df[] = lapply(df, blank2na, na.strings=c('','NA','na','N/A','n/a','NaN','nan'))
查看更多评论：
#' Replaces blank-ish elements of a factor or character vector to NA
#' @description Replaces blank-ish elements of a factor or character vector to NA
#' @param x a vector of factor or character or any type
#' @param na.strings case sensitive strings that will be coverted to NA. The function will do a trimws(x,'both') before conversion. If NULL, do only trimws, no conversion to NA.
#' @return Returns a vector trimws (always for factor, character) and NA converted (if matching na.strings). Attributes will also be kept ('label','labels', 'value.labels').
#' @seealso \code{\link{ez.nan2na}}
#' @export
blank2na = function(x,na.strings=c('','.','NA','na','N/A','n/a','NaN','nan')) {
if (is.factor(x)) {
lab = attr(x, 'label', exact = T)
labs1 <- attr(x, 'labels', exact = T)
labs2 <- attr(x, 'value.labels', exact = T)
# trimws will convert factor to character
x = trimws(x,'both')
if (! is.null(lab)) lab = trimws(lab,'both')
if (! is.null(labs1)) labs1 = trimws(labs1,'both')
if (! is.null(labs2)) labs2 = trimws(labs2,'both')
if (!is.null(na.strings)) {
# convert to NA
x[x %in% na.strings] = NA
# also remember to remove na.strings from value labels
labs1 = labs1[! labs1 %in% na.strings]
labs2 = labs2[! labs2 %in% na.strings]
}
# the levels will be reset here
x = factor(x)
if (! is.null(lab)) attr(x, 'label') <- lab
if (! is.null(labs1)) attr(x, 'labels') <- labs1
if (! is.null(labs2)) attr(x, 'value.labels') <- labs2
} else if (is.character(x)) {
lab = attr(x, 'label', exact = T)
labs1 <- attr(x, 'labels', exact = T)
labs2 <- attr(x, 'value.labels', exact = T)
# trimws will convert factor to character
x = trimws(x,'both')
if (! is.null(lab)) lab = trimws(lab,'both')
if (! is.null(labs1)) labs1 = trimws(labs1,'both')
if (! is.null(labs2)) labs2 = trimws(labs2,'both')
if (!is.null(na.strings)) {
# convert to NA
x[x %in% na.strings] = NA
# also remember to remove na.strings from value labels
labs1 = labs1[! labs1 %in% na.strings]
labs2 = labs2[! labs2 %in% na.strings]
}
if (! is.null(lab)) attr(x, 'label') <- lab
if (! is.null(labs1)) attr(x, 'labels') <- labs1
if (! is.null(labs2)) attr(x, 'value.labels') <- labs2
} else {
x = x
}
return(x)
}
虽然上面的许多选项运作良好，但我发现非目标变量强制对chr有问题。在ifelse中使用grepl和lapply可以解决这种脱靶效应（在有限的测试中）。在grepl中使用slarky的正则表达式：
set.seed(42)
x1 <- sample(c("a","b"," ", "a a", NA), 10, TRUE)
x2 <- sample(c(rnorm(length(x1),0, 1), NA), length(x1), TRUE)
df <- data.frame(x1, x2, stringsAsFactors = FALSE)
胁迫角色的问题：
df2 <- lapply(df, function(x) gsub("^$|^ $", NA, x))
lapply(df2, class)
$ x1 [1]“character”
$ x2 [1]“character”
使用ifelse的解决方案：
df3 <- lapply(df, function(x) ifelse(grepl("^$|^ $", x)==TRUE, NA, x))
lapply(df3, class)
$ x1 [1]“character”
$ x2 [1]“数字”
你也可以在mutate_at中使用dplyr
dat <- dat %>%
mutate_at(vars(colnames(.)),
.funs = funs(ifelse(.=="", NA, as.character(.))))
选择要更改的单个列：
dat <- dat %>%
mutate_at(vars(colnames(.)[names(.) %in% c("Age","Gender")]),
.funs = funs(ifelse(.=="", NA, as.character(.))))
选择要跳过的单个列：
dat <- dat %>%
mutate_at(vars(colnames(.)[!names(.) %in% c("Birthday")]),
.funs = funs(ifelse(.=="", NA, as.character(.))))
你不能用
dat <- read.csv("data2.csv",na.strings=" ",header=TRUE)
应该将所有空白转换为NA，因为读入数据时一定要在引号之间加一个空格