Question

以下是我的数据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

Answer 1

我假设您正在谈论第5行＆＃34;性别。＆＃34;可能是在data2.csv文件中，单元格包含空格，因此R不会将其视为空。

另外，我注意到在第5行＆＃34;车轴＆＃34;和＆＃34;门＆＃34;，从data2.csv读取的原始值是字符串＆＃34; NA＆＃34;。您可能也希望将它们视为na.strings。为此，

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行中有一个空格＆＃34; sex＆＃34;。所以你想要

na.strings=c(""," ","NA")

Answer 2

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))

Answer 3

使用WITH ORDINALITY的更友好的解决方案是

dplyr

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：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))

如果您的表格包含日期，则应考虑使用mutate_each(funs(empty_as_na), matches("Width"), Species)版本的ifelse

Answer 4

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""个单元格，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)

Answer 5

如果您使用避风港或外国包裹来读取外部文件，则我的功能会考虑因素，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)
}

Answer 6

这应该可以解决问题

dat <- dat %>% mutate_all(na_if,"")

Answer 7

我怀疑每个人都已经有了答案，尽管万一有人来找，dplyr na_if（）从我的角度来看将是提到的效率更高的

# Import CSV, convert all 'blank' cells to NA
dat <- read.csv("data2.csv") %>% na_if("")

这是利用阅读器的read_delim函数的另一种方法。我刚刚接了（可能广为人知，但我将在此处存档以供将来的用户使用）。这是非常简单的方法，比上面的方法更具通用性，因为您可以在csv文件中捕获所有类型的空白值和与NA相关的值：

dat <- read_csv("data2.csv", na = c("", "NA", "N/A"))

请注意，阅读器版本中的下划线与Base R“。在read_csv中。

希望这可以帮助那些徘徊在帖子上的人！

Answer 8

尽管上面的许多选项都能很好地发挥作用，但我发现将非目标变量强制转换为chr是有问题的。在ifelse中使用grepl和lapply可解决这种脱靶效应（在有限测试中）。在grepl中使用larky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)

强制角色类的问题：

df2 <- lapply(df, function(x) gsub("^$|^ $", NA, x))
lapply(df2, class)

$ x1 [1]“字符”

$ x2 [1]“字符”

使用ifelse的解决方案：

df3 <- lapply(df, function(x) ifelse(grepl("^$|^ $", x)==TRUE, NA, x))
lapply(df3, class)

$ x1 [1]“字符”

$ x2 [1]“数字”

Answer 9

您还可以在mutate_at中使用dplyr

dat <- dat %>%
mutate_at(vars(colnames(.)),
        .funs = funs(ifelse(.=="", NA, as.character(.))))

选择要更改的各个列：

dat <- dat %>%
mutate_at(vars(colnames(.)[names(.) %in% c("Age","Gender")]),
        .funs = funs(ifelse(.=="", NA, as.character(.))))

选择要跳过的各个列：

dat <- dat %>%
mutate_at(vars(colnames(.)[!names(.) %in% c("Birthday")]),
        .funs = funs(ifelse(.=="", NA, as.character(.))))

Answer 10

我认为 data.table 是您最好的选择（为了代码的简单性和速度）。以下将用 NA 替换名为“data”的数据集中的所有空白：

data[data==""] <- NA

Answer 11

你不能使用

dat <- read.csv("data2.csv",na.strings=" ",header=TRUE)

应该在读入数据时将所有空白转换为NA 一定要在你的报价单之间留一个空格

Answer 12

对于那些想了解使用 data.table 方法的解决方案的人，以下是我为其编写的函数，可在我的Github上使用：

library(devtools)
source_url("https://github.com/YoannPa/Miscellaneous/blob/master/datatable_pattern_substitution.R?raw=TRUE")
dt.sub(DT = dat2, pattern = "^$|^ $",replacement = NA)
dat2

该函数遍历每一列，以识别包含模式匹配项的列。然后，gsub()仅加在包含模式"^$|^ $"的匹配项的列上，以NA s替换匹配项。

我将继续改进此功能以使其更快。

Answer 13

通过从{<1}}安装r

来调用dplyr包

cran

它会将特定列中的所有空白单元格转换为NA

如果列包含＆＃34; - ＆＃34;，＆＃34;＆＃34;，0这样根据空白单元格的类型在代码中更改

E.g。如果我得到像＃34;＆＃34;而不是＆＃34; - ＆＃34;，然后使用此代码：

library(dplyr)

(file)$(colname)<-sub("-",NA,file$colname)

将空白单元格更改为＆＃34; NA＆＃34;

13 个答案: