Question

df3[10, :A] = missing
df3[15, :B] = missing
df3[15, :C] = missing

即使是NA也无法正常工作。

我遇到错误

MethodError：无法convert类型为Missings的对象。缺少到类型为Int64的对象这可能是由于调用构造函数Int64（...）而引起的，因为类型构造函数回退到转换方法。堆栈跟踪： [1] setindex！（:: Array {Int64,1}，:: Missings.Missing，:: Int64），位于./array.jl:583 [2] insert_single_entry！（:: DataFrames.DataFrame，:: Missings.Missing，:: Int64，:: Symbol）位于/home/jrun/.julia/v0.6/DataFrames/src/dataframe/dataframe.jl:361 [3] setindex！（:: DataFrames.DataFrame，:: Missings.Missing，:: Int64，:: Symbol）位于/home/jrun/.julia/v0.6/DataFrames/src/dataframe/dataframe.jl:448 [4] include.string（:: String，:: String）位于./loading.jl:522

Answer 1

使用allowmissing!函数。

julia> using DataFrames

julia> df = DataFrame(a=[1,2,3])
3×1 DataFrame
│ Row │ a     │
│     │ Int64 │
├─────┼───────┤
│ 1   │ 1     │
│ 2   │ 2     │
│ 3   │ 3     │

julia> df.a[1] = missing
ERROR: MethodError: Cannot `convert` an object of type Missing to an object of type Int64

julia> allowmissing!(df)
3×1 DataFrame
│ Row │ a      │
│     │ Int64⍰ │
├─────┼────────┤
│ 1   │ 1      │
│ 2   │ 2      │
│ 3   │ 3      │

julia> df.a[1] = missing
missing

julia> df
3×1 DataFrame
│ Row │ a       │
│     │ Int64⍰  │
├─────┼─────────┤
│ 1   │ missing │
│ 2   │ 2       │
│ 3   │ 3       │

您可以看到DataFrame中的哪些列允许missing，因为它们在列名下的类型名称后以⍰突出显示了。

您还可以使用allowmissing函数来创建新的DataFrame。

两个函数都可以选择接受要转换的列。

最后，有一对disallowmissing / disallowmissing!进行相反的操作（即，如果向量实际上不包含缺失值，则从Missing剥离可选的eltype联合）。 / p>

如何在Julia中向我的数据框插入缺失值

1 个答案: