これが私のデータの link です。
私の目標は、カテゴリ値または数値に関係なく、すべての空白セルに「NA」を割り当てることです。私はna.strings = ""を使用しています。ただし、すべての空白セルにNAを割り当てるわけではありません。
## reading the data
dat <- read.csv("data2.csv")
head(dat)
mon hr acc alc sex spd axles door reg cond1 drug1
1 8 21 No Control TRUE F 0 2 2 Physical Impairment (Eyes, Ear, Limb) A
2 7 20 No Control FALSE M 900 2 2 Inattentive D
3 3 9 No Control FALSE F 100 2 2 2004 Normal D
4 1 15 No Control FALSE M 0 2 2 Physical Impairment (Eyes, Ear, Limb) D
5 4 21 No Control FALSE 25 NA NA D
6 4 20 No Control NA F 30 2 4 Drinking Alcohol - Impaired D
inj1 PED_STATE st rac1
1 Fatal <NA> F <NA>
2 Moderate <NA> F <NA>
3 Moderate <NA> M <NA>
4 Complaint <NA> M <NA>
5 Complaint <NA> F <NA>
6 Moderate <NA> M <NA>
## using na.strings
dat2 <- read.csv("data2.csv", header=T, na.strings="")
head(dat2)
mon hr acc alc sex spd axles door reg cond1 drug1
1 8 21 No Control TRUE F 0 2 2 <NA> Physical Impairment (Eyes, Ear, Limb) A
2 7 20 No Control FALSE M 900 2 2 <NA> Inattentive D
3 3 9 No Control FALSE F 100 2 2 2004 Normal D
4 1 15 No Control FALSE M 0 2 2 <NA> Physical Impairment (Eyes, Ear, Limb) D
5 4 21 No Control FALSE 25 NA NA <NA> <NA> D
6 4 20 No Control NA F 30 2 4 <NA> Drinking Alcohol - Impaired D
inj1 PED_STATE st rac1
1 Fatal NA F NA
2 Moderate NA F NA
3 Moderate NA M NA
4 Complaint NA M NA
5 Complaint NA F NA
6 Moderate NA M NA
行5列の「性別」について話していると思います。 data2.csvファイルでは、セルにスペースが含まれているため、Rによって空と見なされない場合があります。
また、行5の列「axles」と「door」では、data2.csvから読み取られた元の値が文字列「NA」であることに気付きました。おそらくna.stringsとしても扱いたいでしょう。これをする、
dat2 <- read.csv("data2.csv", header=T, na.strings=c("","NA"))
編集:
Data2.csvをダウンロードしました。はい、行5列の「性別」にスペースがあります。あなたが望んでいるのは
na.strings=c(""," ","NA")
Gsubを使用して、 ""やスペースなどの空の複数の突然変異をNAに置き換えることができます。
data= data.frame(cats=c('', ' ', 'meow'), dogs=c("woof", " ", NA))
apply(data, 2, function(x) gsub("^$|^ $", NA, x))
dplyr
を使用したより目に優しいソリューションは
require(dplyr)
## fake blank cells
iris[1,1]=""
## define a helper function
empty_as_na <- function(x){
if("factor" %in% class(x)) x <- as.character(x) ## since ifelse wont work with factors
ifelse(as.character(x)!="", x, NA)
}
## transform all columns
iris %>% mutate_each(funs(empty_as_na))
列のサブセットのみに修正を適用するには、dplyrの列一致構文を使用して、目的の列を指定できます。例:mutate_each(funs(empty_as_na), matches("Width"), Species)
テーブルに日付が含まれている場合は、ifelse
の よりタイプセーフな バージョンの使用を検討する必要があります
私は最近、同様の問題に遭遇しました。これが私にとってはうまくいきました。変数が数値の場合、単純なdf$Var[df$Var == ""] <- "NA"
で十分です。しかし、変数が因子である場合、最初にそれを文字に変換してから、""
セルを目的の値に置き換えてから、因子に戻す必要があります。したがって、適切な場合、Sex変数は、それが要因になると思います。空のセルを置き換える場合は、次のようにします。
df$Var <- as.character(df$Var)
df$Var[df$Var==""] <- "NA"
df$Var <- as.factor(df$Var)
これはトリックを行う必要があります
dat <- dat %>% mutate_all(na_if,"")
私の機能は、ヘイブンまたは外部パッケージを使用して外部ファイルを読み取る場合、要因、文字ベクトル、および潜在的な属性を考慮します。また、異なる自己定義na.stringsのマッチングも可能です。すべての列を変換するには、単にlappyを使用します:df[] = lapply(df, blank2na, na.strings=c('','NA','na','N/A','n/a','NaN','nan'))
コメントをもっと見る:
#' Replaces blank-ish elements of a factor or character vector to NA
#' @description Replaces blank-ish elements of a factor or character vector to NA
#' @param x a vector of factor or character or any type
#' @param na.strings case sensitive strings that will be coverted to NA. The function will do a trimws(x,'both') before conversion. If NULL, do only trimws, no conversion to NA.
#' @return Returns a vector trimws (always for factor, character) and NA converted (if matching na.strings). Attributes will also be kept ('label','labels', 'value.labels').
#' @seealso \code{\link{ez.nan2na}}
#' @export
blank2na = function(x,na.strings=c('','.','NA','na','N/A','n/a','NaN','nan')) {
if (is.factor(x)) {
lab = attr(x, 'label', exact = T)
labs1 <- attr(x, 'labels', exact = T)
labs2 <- attr(x, 'value.labels', exact = T)
# trimws will convert factor to character
x = trimws(x,'both')
if (! is.null(lab)) lab = trimws(lab,'both')
if (! is.null(labs1)) labs1 = trimws(labs1,'both')
if (! is.null(labs2)) labs2 = trimws(labs2,'both')
if (!is.null(na.strings)) {
# convert to NA
x[x %in% na.strings] = NA
# also remember to remove na.strings from value labels
labs1 = labs1[! labs1 %in% na.strings]
labs2 = labs2[! labs2 %in% na.strings]
}
# the levels will be reset here
x = factor(x)
if (! is.null(lab)) attr(x, 'label') <- lab
if (! is.null(labs1)) attr(x, 'labels') <- labs1
if (! is.null(labs2)) attr(x, 'value.labels') <- labs2
} else if (is.character(x)) {
lab = attr(x, 'label', exact = T)
labs1 <- attr(x, 'labels', exact = T)
labs2 <- attr(x, 'value.labels', exact = T)
# trimws will convert factor to character
x = trimws(x,'both')
if (! is.null(lab)) lab = trimws(lab,'both')
if (! is.null(labs1)) labs1 = trimws(labs1,'both')
if (! is.null(labs2)) labs2 = trimws(labs2,'both')
if (!is.null(na.strings)) {
# convert to NA
x[x %in% na.strings] = NA
# also remember to remove na.strings from value labels
labs1 = labs1[! labs1 %in% na.strings]
labs2 = labs2[! labs2 %in% na.strings]
}
if (! is.null(lab)) attr(x, 'label') <- lab
if (! is.null(labs1)) attr(x, 'labels') <- labs1
if (! is.null(labs2)) attr(x, 'value.labels') <- labs2
} else {
x = x
}
return(x)
}
dplyr
でmutate_at
を使用することもできます
dat <- dat %>%
mutate_at(vars(colnames(.)),
.funs = funs(ifelse(.=="", NA, as.character(.))))
変更する個々の列を選択します。
dat <- dat %>%
mutate_at(vars(colnames(.)[names(.) %in% c("Age","Gender")]),
.funs = funs(ifelse(.=="", NA, as.character(.))))
スキップする個々の列を選択します。
dat <- dat %>%
mutate_at(vars(colnames(.)[!names(.) %in% c("Birthday")]),
.funs = funs(ifelse(.=="", NA, as.character(.))))
上記の多くのオプションは適切に機能しますが、ターゲット以外の変数をchr
に強制することには問題があることがわかりました。 ifelse
内でgrepl
およびlapply
を使用すると、この限定された効果が解決されます(限定的なテストで)。 grepl
でのslarkyの正規表現の使用:
set.seed(42)
x1 <- sample(c("a","b"," ", "a a", NA), 10, TRUE)
x2 <- sample(c(rnorm(length(x1),0, 1), NA), length(x1), TRUE)
df <- data.frame(x1, x2, stringsAsFactors = FALSE)
文字クラスへの強制の問題:
df2 <- lapply(df, function(x) gsub("^$|^ $", NA, x))
lapply(df2, class)
$ x1
[1]「キャラクター」
$ x2 [1]「キャラクター」
Ifelseを使用した解決:
df3 <- lapply(df, function(x) ifelse(grepl("^$|^ $", x)==TRUE, NA, x))
lapply(df3, class)
$ x1
[1]「キャラクター」
$ x2 [1]「数値」
使っていただけませんか
dat <- read.csv("data2.csv",na.strings=" ",header=TRUE)
データを読み込むときにすべての空白をNAに変換する必要があります。引用符の間にスペースを入れてください