2

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'

我是否正确地认为我可以用“NA”替换所有出现的这些？这是首选的方法吗？

var[var=='missing'] <- NA
var[var=='unknown'] <- NA
var[var=='uncoded'] <- NA
4

2 回答 2

6

您展示的内容是可行的，但您可以将代码简化为通过%in%二元运算符进行比较的单个调用。这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))

这给了我们一个像这样的因子向量：

> 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

要设置所有编码为c("missing","unknown","uncoded")to的所有值NA，我们一次性完成：

var2 <- var ## copy for demo purposes, but you can over write if you wish
var2[var2 %in% c("missing","unknown","uncoded")] <- NA

这使

> 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

请注意原始级别是如何保留的。如果您想删除这些级别，那么我们可以将该droplevels()功能应用于var2：

var2 <- droplevels(var2)

这使

> 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

另请注意，默认情况下NA，表格输出中未显示，但我们对其进行了纠正以向您显示它们仍然存在：

> table(var2, useNA = "ifany")
var2
   1    2    3    4 <NA> 
  14   15   17   13   41
于 2012-07-04T11:00:32.620 回答
4

用 NA 替换它们的一般想法是正确的。

recode如果您想在一行中执行此操作，则可以使用：

library(car)
var <- recode( var, "c('missing','unknown','uncoded')=NA" )
于 2012-07-04T10:56:35.657 回答