<\/p>\n
Anda dapat menggunakan argumen na.rm=TRUE<\/strong> untuk mengecualikan nilai yang hilang saat menghitung statistik deskriptif di R.<\/span><\/p>\n Contoh berikut menunjukkan cara menggunakan argumen ini dalam praktik dengan vektor dan bingkai data.<\/span><\/p>\n Misalkan kita mencoba menghitung mean, jumlah, maksimum, dan deviasi standar dari vektor berikut di R yang berisi nilai yang hilang:<\/span><\/p>\n Masing-masing fungsi ini mengembalikan nilai NA<\/strong> .<\/span><\/p>\n Untuk mengecualikan nilai yang hilang saat melakukan perhitungan ini, kita cukup menyertakan argumen na.rm = TRUE<\/strong> sebagai berikut:<\/span><\/p>\n Perhatikan bahwa kami berhasil melakukan setiap penghitungan dengan mengecualikan nilai yang hilang.<\/span><\/p>\n Misalkan kita memiliki bingkai data berikut di R yang berisi nilai yang hilang:<\/span><\/p>\n Kita dapat menggunakan fungsi apply()<\/strong> untuk menghitung statistik deskriptif untuk setiap kolom dalam bingkai data dan menggunakan argumen na.rm = TRUE<\/strong> untuk mengecualikan nilai yang hilang saat melakukan penghitungan berikut:<\/span><\/p>\n Sekali lagi, kami berhasil menyelesaikan setiap penghitungan tanpa menyertakan nilai yang hilang.<\/span><\/p>\n Tutorial berikut menjelaskan cara melakukan tugas umum lainnya dengan nilai yang hilang di R:<\/span><\/p>\n Cara menggunakan is.null di R<\/a> Anda dapat menggunakan argumen na.rm=TRUE untuk mengecualikan nilai yang hilang saat menghitung statistik deskriptif di R. #calculate mean and exclude missing values mean(x, na. rm = TRUE ) #calculate sum and exclude missing values sum(x, na. rm = TRUE ) #calculate maximum and exclude missing values max(x, na. rm = TRUE ) #calculate standard deviation […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"yoast_head":"\n #calculate mean and exclude missing values<\/span>\nmean(x, na. rm<\/span> = TRUE<\/span> )\n\n#calculate sum and exclude missing values<\/span> \nsum(x, na. rm<\/span> = TRUE<\/span> )\n\n#calculate maximum and exclude missing values<\/span> \nmax(x, na. rm<\/span> = TRUE<\/span> )\n\n#calculate standard deviation and exclude missing values<\/span> \nsd(x, na. rm<\/span> = TRUE<\/span> )\n<\/strong><\/pre>\n Contoh 1: Menggunakan na.rm dengan vektor<\/strong><\/span><\/h3>\n
#define vector with some missing values<\/span>\nx <- c(3, 4, 5, 5, 7, NA, 12, NA, 16)\n\nmean(x)\n\n[1] NA\n\nsum(x)\n\n[1] NA\n\nmax(x)\n\n[1] NA\n\nsd(x)\n\n[1] NA\n<\/strong><\/pre>\n #define vector with some missing values<\/span>\nx <- c(3, 4, 5, 5, 7, NA, 12, NA, 16)\n\nmean(x, na. rm<\/span> = TRUE<\/span> )\n\n[1] 7.428571\n\nsum(x, na. rm<\/span> = TRUE<\/span> )\n\n[1] 52\n\nmax(x, na. rm<\/span> = TRUE<\/span> )\n\n[1] 16\n\nsd(x, na. rm<\/span> = TRUE<\/span> )\n\n[1] 4.790864\n<\/strong><\/pre>\n Contoh 2: Menggunakan na.rm dengan bingkai data<\/strong><\/span><\/h3>\n
#create data frame\n<\/span>df <- data. frame<\/span> (var1=c(1, 3, 3, 4, 5),\n var2=c(7, 7, NA, 3, 2),\n var3=c(3, 3, NA, 6, 8),\n var4=c(1, 1, 2, 8, NA))\n\n#view data frame\n<\/span>df\n\n var1 var2 var3 var4\n1 1 7 3 1\n2 3 7 3 1\n3 3 NA NA 2\n4 4 3 6 8\n5 5 2 8 NA\n<\/strong><\/pre>\n #calculate mean of each column\napply(df, 2, mean, na. rm<\/span> = TRUE<\/span> )\n\nvar1 var2 var3 var4 \n3.20 4.75 5.00 3.00 \n\n#calculate sum of each column<\/span>\napply(df, 2, sum, na. rm<\/span> = TRUE<\/span> )\n\nvar1 var2 var3 var4 \n 16 19 20 12 \n\n#calculate max of each column<\/span>\napply(df, 2, max, na. rm<\/span> = TRUE<\/span> )\n\nvar1 var2 var3 var4 \n 5 7 8 8 \n\n#calculate standard deviation of each column<\/span>\napply(df, 2, sd, na. rm<\/span> = TRUE<\/span> )\n\n var1 var2 var3 var4 \n1.483240 2.629956 2.449490 3.366502<\/span><\/span><\/strong><\/pre>\n Sumber daya tambahan<\/strong><\/span><\/h3>\n
Cara menggunakan na.omit di R<\/a>
Cara menggunakan is.na di R<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"