我们有一个来自 CSV 文件的数据框。数据框DF 具有包含观察值的列和包含进行测量的日期的列 (VaR2)。如果未记录日期，则 CSV 文件包含值 NA，表示缺失数据。
Var1 Var2
10 2010/01/01
20 NA
30 2010/03/01
我们想使用子集命令来定义一个新的数据框new_DF，这样它就只包含列中具有NA' 值的行（VaR2）。在给出的示例中，只有第 2 行将包含在新的 DF 中。
命令
new_DF<-subset(DF, DF$Var2=="NA")
不起作用，生成的数据框没有行条目。
如果在原始 CSV 文件中将值 NA 与 NULL 交换，则相同的命令会产生所需的结果：
new_DF <- subset(DF, DF$Var2=="NULL")
如果原始 CSV 文件中为字符串提供了值 NA，我如何才能使此方法起作用？
【问题讨论】：
切勿使用 =='NA' 来测试缺失值。请改用is.na()。应该这样做：
new_DF <- DF[rowSums(is.na(DF)) > 0,]
或者如果您想检查特定列，也可以使用
new_DF <- DF[is.na(DF$Var),]
如果您有 NA 字符值，请先运行
Df[Df=='NA'] <- NA
用缺失值替换它们。
【讨论】：
new_DF <- DF[is.na(DF$Var),]，即DF[之后似乎有一个额外的(括号？
当一行中的所有值都不是NA时，complete.cases 给出TRUE
DF[!complete.cases(DF), ]
【讨论】：
NA 是 R 中的一个特殊值，不要将 NA 值与“NA”字符串混淆。根据导入数据的方式，您的“NA”和“NULL”单元格可能是各种类型（默认行为是将“NA”字符串转换为 NA 值，并让“NULL”字符串保持原样）。
如果使用 read.table() 或 read.csv()，您应该考虑使用“na.strings”参数进行干净的数据导入，并始终使用真实的 R NA 值。
一个例子，在“NULL”和“NA”单元格两种情况下工作：
DF <- read.csv("file.csv", na.strings=c("NA", "NULL"))
new_DF <- subset(DF, is.na(DF$Var2))
【讨论】：
new_data <- data %>% filter_all(any_vars(is.na(.)))
这应该会创建一个新的数据框 (new_data)，其中只有缺失的值。
最好跟踪您以后可能删除的值，因为它们有一些缺少观察值 (NA) 的列。
【讨论】：
尝试改变这个：
new_DF<-dplyr::filter(DF,is.na(Var2))
【讨论】：
DF %>% filter(is.na(Var2)) 在library(dplyr) 之后更好地表达。
由于dplyrs filter_all 已被取代
作用域动词（_if、_at、_all）已被现有动词中
across()的使用所取代。
并且across() 在filter() 中的使用已被弃用，Ronak Pol's answer 需要一个小的更新。要在任何地方查找所有带有NA 的行，我们可以使用
library(dplyr)
DF %>%
filter(if_any(everything(), is.na))
得到
# A tibble: 1 x 2
Var1 Var2
<dbl> <date>
1 20 NA
【讨论】：
打印所有包含 NA 数据的行：
tmp <- data.frame(c(1,2,3),c(4,NA,5));
tmp[round(which(is.na(tmp))/ncol(tmp)),]
【讨论】：