使用逻辑矩阵和向量对数据框进行子集

Question

对编码还是很陌生，我一直在遇到子集问题。在这种情况下，我的目标是从我的数据框中删除 NA 值。

col1 <- c("text", NA, "text", NA)
col2 <- c(NA, "text", "text", NA)
col3 <- c("text", NA, "text", NA)
col4 <- c(17, 22, NA, NA)
col5 <- c(3, NA, 3, 17)

df <- data.frame(col1, col2, col3, col4, col5)

当我只使用data[is.na(data)] <- 0 或data[is.na(data)] <- "" 时，我得到一个错误，我理解这是因为我将错误类型的值分配给错误的列类型。没有'numeric'空字符串，也没有整数值为0的字符串。

我想要的是将数字列中的所有 NA 转换为 0，将字符列中的所有 NA 转换为“”。我想出了如何从逻辑上解决问题的两个部分：

is.na(df)

>       col1  col2  col3  col4  col5
> [1,] FALSE  TRUE FALSE FALSE FALSE
> [2,]  TRUE FALSE  TRUE FALSE FALSE
> [3,] FALSE FALSE FALSE FALSE FALSE
> [4,]  TRUE  TRUE  TRUE FALSE FALSE

unlist(lapply(df, is.numeric), use.names=FALSE)

> [1] FALSE FALSE FALSE  TRUE  TRUE

现在有了这个，当然，我可以简单地编写一个 for 循环来遍历每个循环，确定一列是否为数字，然后在该列中相应地替换 NA。同样，如果我理解正确，我还可以扩展 unlist 产生的向量并将其转换为 20 个元素的向量和子集 df[ x == y ] <- 0 and df[ x != y] <- "" 或者我可以创建几个新的数据帧，相应地更改 NA，然后重新组合。

但是必须有一种更简单的方法来做到这一点。我猜这是我将继续遇到的问题，所以我希望而不是仅仅得到一个解决方案，我实际上可以理解如何“正确”地做到这一点（在 R 中可能会给我 5 个人的 8 条建议)。

Answer 1

您可以分别处理数字列和字符列。

char_cols <- sapply(df, is.character)
num_cols <- sapply(df, is.numeric)

df[char_cols][is.na(df[char_cols])] <- ''
df[num_cols][is.na(df[num_cols])] <- 0
df

#  col1 col2 col3 col4 col5
#1 text      text   17    3
#2      text        22    0
#3 text text text    0    3
#4                   0   17

Answer 2

您可以根据列类型使用dplyr 中的mutate_if 替换NA：

library(dplyr)

df %>%
  mutate_if(is.numeric, ~replace(.x, is.na(.x), 0)) %>%
  mutate_if(is.character, ~replace(.x, is.na(.x), ""))

输出：

  col1 col2 col3 col4 col5
1 text      text   17    3
2      text        22    0
3 text text text    0    3
4                   0   17

---

在 R 基础中实现这一点的可能方法：

# Identify the numeric and character columns
num_cols <- sapply(df, class) == "numeric"
char_cols <- sapply(df, class) == "character"

# Replace NA accordingly
apply(df[, num_cols], 2, function(col) replace(col, is.na(col), 0))
apply(df[, char_cols], 2, function(col) replace(col, is.na(col), ''))

Answer 3

如果您将带有字符串的数据框定义为关闭的因素，那么您可以简单地对整个数据框进行子集化以将NA 值替换为空字符串：

df <- data.frame(col1, col2, col3, col4, col5,
                 stringsAsFactors=FALSE)
df[is.na(df)] <- ""
df

  col1 col2 col3 col4 col5
1 text      text   17    3
2      text        22     
3 text text text         3
4                       17