Question

我有一个数据集，其中数据检查显示以下一些内容，所有这些都应该丢失

'missing'
'unknown'
'uncoded'

我认为我可以用“NA”替换所有出现的这些错误吗？这是首选方式吗？

var[var=='missing'] <- NA
var[var=='unknown'] <- NA
var[var=='uncoded'] <- NA

Answer 1

您展示的内容是可行的，但您可以通过%in%二元运算符将代码简化为单个调用进行比较。以下是使用一些虚拟数据的示例：

set.seed(1)
var <- factor(sample(c("missing","unknown","uncoded", 1:4), 100, replace = TRUE))

这给了我们这样的因子向量：

> head(var)
[1] unknown uncoded 2       4       unknown 4      
Levels: 1 2 3 4 missing uncoded unknown
> table(var)
var
      1       2       3       4 missing uncoded unknown 
     14      15      17      13      10      18      13

要将所有以c("missing","unknown","uncoded")编码为NA的值设置为var2 <- var ## copy for demo purposes, but you can over write if you wish var2[var2 %in% c("missing","unknown","uncoded")] <- NA，我们只需一次拍摄：

> var2[var2 %in% c("missing","unknown","uncoded")] <- NA
> head(var2)
[1] <NA> <NA> 2    4    <NA> 4   
Levels: 1 2 3 4 missing uncoded unknown
> table(var2)
var2
      1       2       3       4 missing uncoded unknown 
     14      15      17      13       0       0       0

给出了

droplevels()

注意原始级别是如何保留的。如果您要删除这些级别，我们可以将var2函数应用于var2 <- droplevels(var2)：

> head(var2)
[1] <NA> <NA> 2    4    <NA> 4   
Levels: 1 2 3 4
> table(var2)
var2
 1  2  3  4 
14 15 17 13

给出了

NA

另请注意，默认情况下，> table(var2, useNA = "ifany") var2 1 2 3 4 <NA> 14 15 17 13 41未显示在表格输出中，但我们会对其进行纠正，以表明它们仍然存在：

{{1}}

Answer 2

用NA替换它们的一般想法是正确的。

如果您想在一行中执行此操作，可以使用recode：

library(car)
var <- recode( var, "c('missing','unknown','uncoded')=NA" )

在R中编码丢失的数据

2 个答案: