Question

我有一个包含80多个不同变量的数据库，其中大多数都有NA。一些变量是整数，一些是因子。我想要做的是开发一个功能： 1.查看我的列表; 2.标识列类型; 3.如果列中包含的数据类型是因子，则函数将NA替换为“其他”; 但是，如果列中包含的数据类型是整数，请替换为数字0。有任何想法吗？谢谢，伙计们。

Answer 1

FOO <- function(x){
  if(is.numeric(x)){
    x[is.na(x)] <- 0
  }
  if(is.factor(x)){
    x[is.na(x)] <- "Others"
  }
return(x)
}

现在只需使用lapply循环遍历数据的多个列，例如df[1:10] <- lapply(df[1:10], FOO)。

注意：这要求因子级别"Others"已存在于您想要更改的每个因子变量中。如果不是这种情况，请使用

FOO <- function(x){
  if(is.numeric(x)){
    x[is.na(x)] <- 0
  }
  if(is.factor(x)){
    x <- as.character(x)
    x[is.na(x)] <- "Others"
    x <- as.factor(x)
  }
  return(x)
}

但这可能会重新安排因子水平的顺序。

Answer 2

使用dplyr和forcats套餐：

library(dplyr)
library(forcats)

# sample data frame
df <- data_frame(fac1 = as.factor(c('NY', NA, 'PA', 'MN', 'OH', 'TX', NA)),
                 int1 = as.integer(c(1,2,3,NA,NA,6,7)),
                 fac2 = as.factor(c('red', 'blue', NA, 'green', 'green', NA, 'yellow')),
                 int2 = as.integer(c(1,NA,3,4,5,NA,7)))

df %>% 
  mutate_if(is.integer, funs(replace(., is.na(.), 0))) %>% 
  mutate_if(is.factor, funs(fct_explicit_na(., na_level = 'Other')))

# A tibble: 7 x 4
    fac1  int1   fac2  int2
  <fctr> <dbl> <fctr> <dbl>
1     NY     1    red     1
2  Other     2   blue     0
3     PA     3  Other     3
4     MN     0  green     4
5     OH     0  green     5
6     TX     6  Other     0
7  Other     7 yellow     7

根据数据类型有条件地替换NA

2 个答案: