报告data.frame中缺失值的优雅方法

Question

这是我编写的一小段代码，用于报告数据框中缺少值的变量。我正在尝试一种更优雅的方式来做这个，也许会返回一个data.frame，但是我被困住了：

for (Var in names(airquality)) {
    missing <- sum(is.na(airquality[,Var]))
    if (missing > 0) {
        print(c(Var,missing))
    }
}

编辑：我正在处理包含数十到数百个变量的data.frames，因此我们只报告缺少值的变量是关键。

Answer 1

只需使用sapply

> sapply(airquality, function(x) sum(is.na(x)))
  Ozone Solar.R    Wind    Temp   Month     Day 
     37       7       0       0       0       0

你也可以在apply创建的矩阵上使用colSums或is.na()

> apply(is.na(airquality),2,sum)
  Ozone Solar.R    Wind    Temp   Month     Day 
     37       7       0       0       0       0
> colSums(is.na(airquality))
  Ozone Solar.R    Wind    Temp   Month     Day 
     37       7       0       0       0       0 

Answer 2

如果您想为特定列执行此操作，则还可以使用此列

is.na10

Answer 3

我认为Amelia库在处理缺失数据方面做得很好，还包括一个可视化缺失行的地图。

heatmaply

library(heatmaply)

heatmaply(is.na10(airquality), grid_gap = 1, 
          showticklabels = c(T,F),
            k_col =3, k_row = 3,
            margins = c(55, 30), 
            colors = c("grey80", "grey20"))

您还可以运行以下代码将返回na的逻辑值

Answer 4

ExPanDaR的包函数length(which(is.na(airquality[1])==T)) 可用于探索面板数据：

install.packages("Amelia")
library(Amelia)
missmap(airquality)

Answer 5

我们可以使用map_df和purrr。

library(mice)
library(purrr)

# map_df with purrr
map_df(airquality, function(x) sum(is.na(x)))
# A tibble: 1 × 6
# Ozone Solar.R  Wind  Temp Month   Day
# <int>   <int> <int> <int> <int> <int>
# 1    37       7     0     0     0     0

Answer 6

更简洁 - ：sum(is.na(x[1]))

那是

1. x[1]看第一栏
2. is.na()如果是NA，则为true
3. qazxsw poi qazxsw poi是qazxsw poi，qazxsw poi是sum()

Answer 7

我最喜欢（不太宽）的数据是来自优秀的TRUE包的方法。您不仅可以获得频率，还可以获得缺失模式：

1

FALSE

通过绘制带有缺失的散点图，可以看出缺失与非缺失相关的位置通常很有用：

0

naniar

或者对于分类变量：

library(naniar)
library(UpSetR)

riskfactors %>%
  as_shadow_upset() %>%
  upset()

这些示例来自

ggplot(airquality,
       aes(x = Ozone,
           y = Solar.R)) +
 geom_miss_point()

包，其中列出了其他有趣的可视化。

Answer 8

另一个图形替代 - 功能来自优秀的gg_miss_fct(x = riskfactors, fct = marital) 包：

vignette还指出，您可以使用plot_missing保存此结果以进行其他分析。

Answer 9

DataExplorer

已经给你这个信息

VIM软件包还为data.frame提供了一些不错的缺失数据图

Docs

Answer 10

另一个可以帮助你查看缺失数据的函数是来自funModeling库的df_status

missing_data <- plot_missing(data)

iris.2是带有一些NAs的虹膜数据集。您可以用数据集替换它。

summary(airquality)

这将为您提供每列中NAs的数量和百分比。

Answer 11

对于另一个图形解决方案，

library("VIM")
aggr(airquality)

提供library(funModeling) 。

df_status(iris.2)

visdat

非常类似于package输出，在开箱即用的缺失上给出％s的小差异。

Answer 12

另一种图形和交互方式是使用vis_miss库中的

library(visdat)
vis_miss(airquality)

函数：

Amelia

可能不适用于大型数据集..