Question

我有一些带有一些数字列的数据框。某些行具有0值，在统计分析中应将其视为空值。在R中将所有0值替换为NULL的最快方法是什么？

Answer 1

将所有零替换为NA：

df[df == 0] <- NA

<强>解释

1。 NULL你应该用什么代替零。正如?'NULL'中所述，

NULL表示R
中的空对象

这是独一无二的，我想，可以看作是最没有信息和空洞的对象。¹然后它就不那么令人惊讶了

data.frame(x = c(1, NULL, 2))
#   x
# 1 1
# 2 2

也就是说，R不会为这个空对象保留任何空间。²同时，查看?'NA'我们看到了

NA是长度为1的逻辑常量，包含缺失值指示符。 NA可以被强制转换为除raw之外的任何其他矢量类型。

重要的是，NA的长度为1，因此R为其预留了一些空间。如，

data.frame(x = c(1, NA, 2))
#    x
# 1  1
# 2 NA
# 3  2

此外，数据帧结构要求所有列具有相同数量的元素，以便不存在“漏洞”（即NULL值）。

现在，您可以在数据框中用NULL替换零，从而完全删除包含至少一个零的所有行。使用时，例如var，cov或cor，实际上相当于首先用NA替换零并将use的值设置为{ {1}}。然而，通常情况下，这是不能令人满意的，因为它会导致额外的信息丢失。

2。在解决方案中，我使用"complete.obs"矢量化而不是运行某种循环。 df == 0返回（尝试）与df == 0大小相同的矩阵，条目为df和TRUE。此外，我们还允许将此矩阵传递给子集FALSE（请参阅[...]）。最后，虽然?'['的结果非常直观，但df[df == 0]给出了期望的效果似乎很奇怪。赋值运算符df[df == 0] <- NA实际上并不总是如此智能，并且不能以这种方式与其他一些对象一起工作，但它使用数据框来实现;见<-。

_{¹集合论中的空集感觉有些相关。}
_{²与集合理论的另一个相似之处：空集是每个集合的子集，但我们不为它保留任何空间。}

Answer 2

我假设您的data.frame是不同数据类型的混合，并非所有列都需要修改。

仅修改第12至18列（总共21个），只需执行此操作

df[, 12:18][df[, 12:18] == 0] <- NA

Answer 3

没有[<-函数的替代方法：

示例数据框dat（从@ Chase的回答中无耻地复制）：

NA函数可以用is.na<-替换零：

is.na(dat) <- !dat


dat

   x  y
1 NA  2
2  1  2
3  1  1
4  2  1
5 NA NA

Answer 4

#Sample data
set.seed(1)
dat <- data.frame(x = sample(0:2, 5, TRUE), y = sample(0:2, 5, TRUE))
#-----
  x y
1 0 2
2 1 2
3 1 1
4 2 1
5 0 0

#replace zeros with NA
dat[dat==0] <- NA
#-----
   x  y
1 NA  2
2  1  2
3  1  1
4  2  1
5 NA NA

Answer 5

dplyr::na_if()是一个选项：

library(dplyr)  

df <- data_frame(col1 = c(1, 2, 3, 0),
                 col2 = c(0, 2, 3, 4),
                 col3 = c(1, 0, 3, 0),
                 col4 = c('a', 'b', 'c', 'd'))

na_if(df, 0)
# A tibble: 4 x 4
   col1  col2  col3 col4 
  <dbl> <dbl> <dbl> <chr>
1     1    NA     1 a    
2     2     2    NA b    
3     3     3     3 c    
4    NA     4    NA d

Answer 6

因为有人要求提供Data.Table版本，并且因为给定的data.frame解决方案不能与data.table一起使用，所以我提供了以下解决方案。

基本上，使用:=运算符 - ＆gt; DT[x == 0, x := NA]

library("data.table")

status = as.data.table(occupationalStatus)

head(status, 10)
    origin destination  N
 1:      1           1 50
 2:      2           1 16
 3:      3           1 12
 4:      4           1 11
 5:      5           1  2
 6:      6           1 12
 7:      7           1  0
 8:      8           1  0
 9:      1           2 19
10:      2           2 40


status[N == 0, N := NA]

head(status, 10)
    origin destination  N
 1:      1           1 50
 2:      2           1 16
 3:      3           1 12
 4:      4           1 11
 5:      5           1  2
 6:      6           1 12
 7:      7           1 NA
 8:      8           1 NA
 9:      1           2 19
10:      2           2 40

Answer 7

您只能在数字字段中将0替换为NA（即排除类似因素之类的内容），但它可以逐列工作：

col[col == 0 & is.numeric(col)] <- NA

使用某个功能，您可以将其应用于整个数据框：

changetoNA <- function(colnum,df) {
    col <- df[,colnum]
    if (is.numeric(col)) {  #edit: verifying column is numeric
        col[col == -1 & is.numeric(col)] <- NA
    }
    return(col)
}
df <- data.frame(sapply(1:5, changetoNA, df))

虽然您可以使用数据框中的列数或1:5替换1:ncol(df)。

Answer 8

如果有人通过Google到达这里寻找相反的（即如何将data.frame中的所有NA替换为0），答案是

df[is.na(df)] <- 0

OR

使用dplyr / tidyverse

library(dplyr)
mtcars %>% replace(is.na(.), 0)

Answer 9

如果您和我一样，在想知道如何用 NA 替换数据框中的所有值时来到这里，那就是：

df[,] <- NA

将所有0值替换为NA

9 个答案: