问题标签 [na.rm]

嗨，堆栈社区！我今天工作时遇到了这个错误。我不确定如何解决它。我读到在我的 mutate 中使用 na.rm，我试过了，但没有用。我可能完全错了。

尝试使用来自 dplyr 的 unite 组合多个字符列时，该na.rm = TRUE选项不会删除 NA。

一步步：

1. 原始数据集有 5 列word1:word5 原始数据的图像
2. 希望word1:word5使用代码合并在一个列中：

• 这是输出的图像：data_unite_5

3. 我试过使用mutate_if(is.factor, as.character)，但没有奏效。

任何建议，将不胜感激。

我在 Stack Overflow 上找不到已经回答了我的问题的问题，所以很抱歉，如果已经有人问过这个问题而我只是找不到它。

总而言之，这个问题更多是关于根据我使用的代码了解我的数据会发生什么。

所以，我有一个数据集，里面有几个 NA。

我想汇总数据并使用na.rm=True它告诉 R 在计算时忽略 NA，对吗？我收到的输出包括 NA，这导致我将函数na.action=na.pass与na.rm=True. 这使我的输出中的 NA 明显减少。老实说，我不明白为什么...

由于我喜欢自己尝试并找出答案，因此我查看了聚合函数的不同变体：

1. 只有na.rm=True
2. 只有na.action=na.pass
3. na.rm=True,na.action=na.pass

只使用 2。我得到了很多 NA，这是有道理的，因为我告诉 R 将所有 NA 包括在计算中而不包含na.rm=True在其中。同时 1. 和 3. 不要给我相同的结果。这是为什么？

我认为这两者的na.rm=True意思na.action=na.pass是一样的......显然他们没有，因为我的变量的平均值略有不同。

当我同时使用 na.rm=True 和na.action=na.pass聚合函数时，与仅使用na.rm=True. 哪个更好用？

非常感谢，感谢您的帮助！

不幸的是，na.rm没有删除我的 NA，我没有得到想要的结果。

这是我所做的：

首先，我在 R 中重新编码了一个列，以消除我项目中不必要的值（这可能是问题所在）

不知何故，我不能用它来做进一步的计算，因为 NA 会以某种方式保持不变。实际上，

结果发出警告消息和NA。

谢谢您的帮助！

澄清：

这是我需要分析的数据集的摘录（并且我已经更改了）。

这是原始数据集的摘录。

这将是计算平均值的警告信息。

如果我想使用mtcars数据集获取所有数字列的平均值和总和，我将使用以下代码：

但是，如果我在某些列中缺少值，我该如何考虑呢？这是一个可重现的示例：

如果我只将summarize每个变量分开，我可以使用以下内容：

但是我想弄清楚如何将上面编写的代码调整为我mtcars在此处提供的示例数据集。

Error message: argument is not numeric or logical: returning NA[1] NA

Examining the dataset after filtering shows numeric data with no NAs.
Why am I getting this error? Shouldn't line two or line three of the code remove all NAs?

Thank you.

我正在使用 R 中的调查包中的辅助数据。我使用 svydesign 函数定义了权重、层和集群。

有非常少量的缺失，这些被定义为缺失。但是，权重、分层或聚类变量中没有缺失数据。

当我计算没有缺失的变量的平均值时，估计值会很好。

但是，当我计算任何缺失变量的平均值时，我得到以下信息（仅显示了一个片段）。

当我完全删除数据框本身缺失的任何数据行并重新运行时，估计值计算得很好。我有很多变量，并希望通过变量使用完整的案例分析来生成估计值（而不是创建一个新的数据框来删除所有缺失的行）。非常感谢有关如何处理此问题的建议。

下面是数据帧的一个小样本的 dput 脚本。

结构（列表（儿童ID = c（“0015001C”、“0015014C”、“0015019C”、“0015020C”、“0015023C”、“0015025C”、“0015026C”、“0021001C”、“0021002C”、“0022002C”、“002300 “, “0022006C”, “0022007C”, “0022008C”, “0022009C”, “0022012C”, “0022013C”, “0022014C”, “0022016C”, “0022017C”, “0022018C”, “02023019C”, “002” “0022024C”、“0023005C”、“0023011C”、“0023012C”、“0023015C”、“0023016C”、“0023017C”、“0023018C”、“0023019C”、“0023020C”、“0023021C”、“020240”、 ", "0025003C", "“0025005C”、“0025014C”、“0025016C”、“0025020C”、“0025021C”、“0025024C”、“0028002C”、“0028003C”、“0028005C”、“0028006C”、“0028007C”、“028090”、 ，“0028010C”，“0028011C”，“0028012C”，“0028013C”，“0028014C”，“0037001C”，“0037004C”，“0037008C”，“0037014C”，“0037016C”，“0037018C”，“03” “0040005C”、“0040007C”、“0040010C”、“0040011C”、“0040014C”、“0040016C”、“0040017C”、“0040018C”、“0040019C”、“0040020C”、“0040022C”、“04020”、 , "0044006C", "“0044007C”、“0044008C”、“0044010C”、“0044011C”、“0044013C”、“0044016C”、“0044017C”、“0044022C”、“0045001C”、“0045003C”、“00450504C”、“040560”、 , “0045007C”, “0045008C”, “0045010C”, “0045011C”, “0045014C”, “0045015C”, “0045017C”, “0045018C”, “0045020C”, “0045022C”, “00400002C”, “04” “0049010C”、“0049015C”、“0049017C”、“0049018C”、“0049020C”、“0052002C”、“0052003C”、“0052005C”、“0052006C”、“0052007C”、“0052008C”、“020520”、 , "0052013C", "“0052014C”、“0052018C”、“0052019C”、“0053001C”、“0053002C”、“0053003C”、“0053005C”、“0053006C”、“0053007C”、“0053008C”、“0053009C”、“030520”、 , “0053013C”, “0053014C”, “0053017C”, “0053018C”, “0053019C”, “0053021C”, “0053023C”, “0053024C”, “0055004C”, “0055010C”, “0055021C”, “05” 0055013C”、“0055014C”、“0055015C”、“0055016C”、“0055018C”、“0055022C”、“0055023C”、“0055024C”、“0056002C”、“0056003C”）、C1_7SC30、28、28。 622.73、714、714、825.03、645.48、634.63、827.54、721.76、679.68, 827.54, 721.76, 2527.03, 827.54, 721.76, 679.68, 721.76, 709.63, 679.68, 709.63, 616.36, 679.68, 651.75, 651.75, 747.26, 747.26, 640.79, 640.79, 613.74, 640.79, 747.26, 640.79, 4613.25, 600.95, 598.77, 579.16, 609.01, 609.01, 609.01, 698.26, 598.77, 198.74, 231.77, 231.77, 1502.45, 231.77, 202.14, 202.14, 172.62, 231.77, 198.74, 198.74, 202.14, 176.04, 691.37, 592.86, 420.67, 484.91, 4611.6, 1537.83, 5579.29, 1693.28, 327.12, 5579.29, 454.63, 1357.73, 454.63, 5455.65, 454.63, 446.99, 521.26, 1357.73, 986.2, 986.2, 860.14, 860.14, 1401.07, 2318.41, 860.14, 860.14, 845.68, 845.68, 262.06, 388.14, 388.14, 445.02, 521.06, 2828.12, 445.02, 388.14, 388.14, 388.14, 445.02, 445.02, 388.14, 445.02, 365.51, 802.84, 917.88, 732.35, 12590.7, 917.88, 9657.9, 961.47, 5411.24, 205.27, 235.35, 235.35, 205.27, 235.35、205.27、235.35、6588.46、235.35、1749。27, 205.27, 702.04, 836.42, 1018.39, 1018.39, 6441.84, 836.42, 888.21, 873.28, 888.21, 1018.39, 869.67, 1018.39, 888.21, 888.21, 1018.39, 873.28, 873.28, 873.28, 1131.98, 987.29, 987.29, 3456.7, 987.29, 929.72, 1131.98, 987.29, 1131.98, 1131.98, 6111.32, 1131.98, 436.98, 2948.91), C17SCSTR = c(26L, 26L, 26L, 26L, 26L, 26L, 26L, 26L, 26L, 26L, 26L, 26L, 26L, 26L , 26L, 26L, 26L, 26L, 26L, 26L, 26L, 26L, 26L, 26L, 26L, 26L, 26L, 26L, 26L, 26L, 26L, 26L, 26L, 26L, 26L, 26L, 26L, 26L, 26L , 26L, 26L, 26L, 26L, 26L, 26L, 26L, 26L, 26L, 26L, 26L, 26L, 26L, 26L, 26L, 26L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L , 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L , 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 26L, 26L, 26L, 26L, 26L, 26L, 26L, 26L, 26L, 26L, 26L, 26L, 26L, 26L, 26L , 26L, 26L, 26L, 26L, 26L, 26L, 26L, 26L,26L, 26L, 26L, 26L, 26L, 26L, 26L, 26L, 26L, 26L, 26L, 26L, 26L, 26L, 26L, 26L, 26L, 26L, 26L, 26L, 26L, 26L, 26L, 26L, 26L, 26L, 26L, 26L), C17SCPSU = c(2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L , 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L , 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L , 2L, 2L, 2L, 2L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L , 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L , 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L , 1L, 1L, 1L, 1L, 1L), C1R4MSCL = c("18.21", "31.20", "28.63", "37.81", "13.29”、“28.78”、“36.24”、“24.19”、“25.04”、“24.67”、“19.36”、“25.84”、“22.22”、“26.56”、“17.51”、“16.13”、“15.77” ，“20.98”，“21.98”，“15.40”，“29.02”，“20.65”，“26.36”，“28.00”，“27.99”，“28.61”，“33.02”，“31.74”，“28.73”，“ 26.32”、“31.50”、“30.39”、“22.81”、“22.07”、NA、“34.27”、“31.70”、“25.64”、“27.47”、“35.99”、“22.84”、“21.26”、“ 13.59”、“41.16”、“24.84”、“52.82”、“30.27”、“33.97”、“19.80”、“28.08”、“32”。18”、“25.98”、“42.62”、“29.43”、“31.02”、“29.53”、“26.52”、“18.42”、“18.27”、“12.57”、“26.74”、“32.63”、“35.42” ，“34.76”，NA，“27.98”，“30.21”，“20.35”，“20.52”，“27.34”，“29.86”，“26.75”，“18.64”，“25.80”，“34.74”，“93.23” ，“22.43”，“35.76”，“28.51”，“21.79”，“32.10”，“47.15”，“27.68”，“35.73”，“32.84”，“40.46”，“29.92”，“32.36”，“ 30.08”、“37.57”、“31.81”、“35.81”、“24.62”、“26.17”、“54.37”、“52.18”、“30”。58”、“44.87”、“23.13”、“16.42”、“69.82”、NA、“15.87”、“32.53”、“19.69”、“14.63”、“20.28”、“38.89”、“30.28”、“ 38.08”、“28.89”、“26.27”、“24.78”、“27.95”、“33.45”、“20.43”、“25.59”、“24.11”、“27.50”、“31.27”、“68.49”、“39.22” 、“19.24”、“48.78”、“42.34”、“49.87”、“28.21”、“31.25”、“43.68”、“19.19”、“26.96”、“38.70”、“24.19”、“30.78”、“ 26.66”、“30.28”、“18.24”、“32.13”、“22.93”、“31.89”、“17.57”、“28.53”、“23”。48”、“20.57”、“26.60”、“68.44”、“19.62”、“41.77”、“24.73”、“29.18”），SEX_MALE = c(1, 0, 0, 0, 1, 1, 1, 0, 0, 1, 0, 1, 1, 0, 1, 1, 0, 1, 0, 0, 1, 0, 0, 1, 0, 0, 1, 1, 0, 0, 1, 0, 1, 0, 0, 1, 0, 0, 0, 0, 0, 1, 0, 0, 1, 1, 0, 1, 0, 0, 0, 1, 0, 0, 0, 1, 1, 0, 1, 1, 1, 0, 1, 1, 0, 1, 0, 0, 0, 0, 0, 0, 1, 0, 1, 1, 0, 0, 1, 1, 0, 0, 0, 0, 0, 0, 0, 1, 1, 1, 1, 0, 0, 0, 1, 1, 0, 1, 1, 0, 1, 0, 0, 1, 0, 1, 1, 0, 1, 1, 0, 1, 0, 1, 1, 1, 1, 0, 1, 1, 1, 1, 0, 1, 0, 0, 0, 1, 1, 1, 0, 0, 1, 0, 0, 0, 1, 0, 0, 1, 0, 1, 1, 0, 1, 1, 0, 1, 1, 0), C3BMI = c("16.35", "19.06", " 15.28”、“11.96”、“17.09”、“15.12”、“15.23”、“22.76”、“16.65”、“16.26”、“15.10”、“22.64”、NA、“14”。71”、“15.12”、“18.20”、“15.60”、“17.82”、“17.52”、“16.65”、“16.45”、“15.12”、“21.83”、“15.99”、“18.58”、“15.97” 、“19.07”、“16.93”、“15.12”、“18.87”、“21.81”、“15.09”、“24.40”、“16.16”、“15.91”、“16.74”、“20.35”、“15.73”、“ 15.75”、“17.56”、“21.50”、“15.33”、“19.83”、“16.83”、“15.62”、“19.43”、“15.45”、“15.89”、“16.97”、“14.47”、“14.96” ，“18.38”，“15.87”，“17.95”，“14.93”，“15.99”，“16.34”，“15.28”，“21”。78”、“14.73”、“13.87”、“26.63”、不适用、“15.79”、“15.20”、不适用、“15.43”、“18.12”、“15.64”、“16.21”、“13.76”、“16.92” ，“16.25”，“14.95”，“17.42”，“15.69”，“19.37”，“14.16”，“15.28”，“18.50”，“16.46”，“18.15”，“16.02”，“18.62”，“ 15.94”、“15.03”、“17.97”、“18.92”、“15.94”、“17.98”、“15.12”、“14.93”、“15.47”、不适用、“17.86”、“14.94”、“16.85”、“ 15.79”，NA，“16.81”，“18.23”，“16.67”，“23.55”，“19.05”，“14.60”，“15.20”，“16.20”、“13.82”、“15.92”、“16.06”、“16.61”、“18.37”、“15.69”、“15.08”、“16.41”、“14.23”、“17.72”、“20.54”、“19.83”、“ 16.71”、“16.58”、“16.64”、“14.28”、“17.84”、“11.36”、“14.79”、“15.67”、“16.34”、“19.43”、“19.88”、“18.03”、“15.73” 、“15.48”、“14.08”、“15.10”、“16.63”、“15.77”、“14.27”、“15.35”、“17.72”、“13.79”、“15.03”、“15.15”、“14.48”、“ 17.23”, “15.11”, “16.65”, “14.33”, “16.48”, “18.27”)), row.names = c(NA, 150L), class = "数据.frame")

我有一个数据集（alldata），其中 X 的时间变量（以小时为单位）（Time）和 Y 的数字测量值（Value ），用于许多具有特定PID的患者（allPID = 具有所有 PID 的向量）。在前 24 小时，我想计算曲线下的面积。首先，我使用了以下脚本：

但是，该脚本仅提供了46 个案例中 17 个的 AUC。 虽然我不完全确定这个脚本的确切问题是什么，但解决方案似乎是首先在数据框中绑定 x 和 y并仅使用完整的案例。

我想既然我使用了“complete.cases”（df24 中确实没有 NA），我可以设置na.rm = F。但是：这提供了与我使用 na.rm = T 完全不同的结果。

留下一个问题：为什么这些结果如此不同？na.rm 在这种情况下是做什么的？

希望有人可以帮忙！

我想使用 difftime() 来提取 as.posixct 两个日期/时间变量之间的差异。但有时缺少一个（或两个）值（NA），如下所示。

我想要：开始时间 - 抗生素时间 喜欢：Antibiotica$ABS <- difftime(Antibiotica$StartTime, Antibiotica$AntibioticTime, units=c("mins"), na.rm=TRUE)

但是现在，我得到一个错误。我认为这是因为错误使用了 na.rm=TRUE。如何以正确的方式添加它？