如何在 r 中使用 is.na（附示例）

您可以使用R中的is.na()函数来检查向量和数据框中的缺失值。

 #check if each individual value is NA
is. na (x)

#count total NA values
sum( is.na (x))

#identify positions of NA values
which(is. na (x))

以下示例展示了如何在实践中使用此功能。

示例 1：将 is.na() 与向量一起使用

以下代码展示了如何使用is.na()函数检查向量中的缺失值：

 #define vector with some missing values
x <- c(3, 5, 5, NA, 7, NA, 12, 16)

#check if each individual value is NA
is. na (x)

[1] FALSE FALSE FALSE TRUE FALSE TRUE FALSE FALSE

#count total NA values
sum( is.na (x))

[1] 2

#identify positions of NA values
which(is. na (x))

[1] 4 6

从结果我们可以看出：

• 向量中有2个缺失值。
• 缺失值位于位置4和6。

示例 2：将 is.na() 与数据帧一起使用

以下代码展示了如何使用 is.na() 函数检查数据框中的缺失值：

 #create data frame
df <- data. frame (var1=c(1, 3, 3, 4, 5),
                 var2=c(7, NA, NA, 3, 2),
                 var3=c(3, 3, 6, NA, 8),
                 var4=c(NA, 1, 2, 8, 9))

#view data frame
df

  var1 var2 var3 var4
1 1 7 3 NA
2 3 NA 3 1
3 3 NA 6 2
4 4 3 NA 8
5 5 2 8 9

#find total NA values in data frame
sum( is.na (df))

[1] 4

#find total NA values by column
sapply(df, function (x) sum(is. na (x)))

var1 var2 var3 var4 
   0 2 1 1

从输出中我们可以看到数据框中总共有4个NA值。

我们还可以看到：

• “var1”列中有0 个NA 值。
• “var2”列中有2个NA值。
• “var3”列中有1个NA值。
• “var4”列中有1个NA值。

其他资源

以下教程解释了可用于处理 R 中缺失值的其他有用函数。

如何在 R 中使用 na.omit
如何在 R 中使用 na.rm
如何在 R 中使用 is.null
如何在R中全部估算缺失值