1

我正在尝试用简单的代码学习数据清理。

我的中心问题是：并排使用两个单方括号有什么用？

这是df一个例子。

df <- data.frame(x = c(1:3, NA, NA), y = c(6:9, NA))

下面的代码是用 99 等替换 NA 的众多方法之一。我认为这很简单。

messy <- function(df, impute){
for (i in 1:nrow(df)) {
df[i, ][is.na(df[i, ])] <- impute
}
return(df)
}

clean <- messy(df, 99)
clean
  1. 但是为什么我需要使用两个简单的方括号来定位 NA。
  2. 为什么不能将代码简化为is.na(df[i, ]) <- impute?
  3. 有没有更有效的方法来替换 NA，例如使用 apply 系列？

非常感谢您的回答。

4

2 回答 2

2

这是一种非常复杂的替换NA's 的方法。您可以将功能简化为 -

messy <- function(df, impute){
  df[is.na(df)] <- impute
  df
}

clean <- messy(df, 99)
clean

#   x  y
#1  1  6
#2  2  7
#3  3  8
#4 99  9
#5 99 99

您也可以使用apply一系列函数，但这里不需要它们，因为is.na直接在数据帧上工作。

于 2021-06-14T04:36:54.470 回答
0

以下是用 tidyverse 方法替换 NA 的另外三种方法：

library(tidyverse)

df <- data.frame(x = c(1:3, NA, NA), y = c(6:9, NA))

#purrr 
map_df(df, ~replace_na(.x, 99))
#> # A tibble: 5 x 2
#>       x     y
#>   <dbl> <dbl>
#> 1     1     6
#> 2     2     7
#> 3     3     8
#> 4    99     9
#> 5    99    99

#transmute/across
df %>% transmute(across(everything(), ~replace_na(.x, 99)))
#>    x  y
#> 1  1  6
#> 2  2  7
#> 3  3  8
#> 4 99  9
#> 5 99 99

#transmute_if
df %>% transmute_if(is.numeric, ~replace_na(.x, 99))
#>    x  y
#> 1  1  6
#> 2  2  7
#> 3  3  8
#> 4 99  9
#> 5 99 99

由reprex 包（v2.0.0）于 2021-06-14 创建

于 2021-06-14T06:22:28.660 回答