使用 R 将数据集中的空格重新编码为 NA答案

【问题标题】：Recoding empty spaces in a dataset to NA using R使用 R 将数据集中的空格重新编码为 NA
【发布时间】：2015-04-04 18:43:31
【问题描述】：

我有一个包含大量空格的数据集（“”代替 NA）。我想将这些空格重新编码为 NA（我想使用一些插补包，例如来自 R 生态系统的 Mice）。为此，我正在尝试以下代码：

emptyToNA <- function(x){
  y <- data.frame(matrix(NA,nrow=nrow(x),ncol=ncol(x)))
  for(i in ncol(x)){
    for(j in nrow(x)){
      if(x[j,i] != ""){
        y[j,i] = x[j,i]
      }
    }
  }
  return(y)
}

但是，我收到此错误：Error in if (x[j, i] != "") { : missing value where TRUE/FALSE needed。所以我认为if 子句中的条件没有正确评估。

但是当我只检查data[j,i] != "" 中的i 和j 的某些值时，它的计算结果正确为TRUE/FALSE。该错误仅在我使用该功能时出现。

我不知道为什么。任何帮助将不胜感激。

谢谢

【问题讨论】：

标签： r

【解决方案1】：

我不认为循环遍历元素是这类操作的好习惯，因为您可以轻松地将其设为数组操作，这往往会快得多。例如，

y = x
y[x==""] = NA

会做你想做的事。例如，

> x = matrix("", 3, 3)
> y = x
> y[x==""] = NA
> y
       [,1] [,2] [,3]
  [1,] NA   NA   NA  
  [2,] NA   NA   NA  
  [3,] NA   NA   NA

【讨论】：

【解决方案2】：

考虑使用具有na.strings 参数的type.convert 的一个选项，就像read.table 和家庭一样。

这是一个例子：

A <- B <- data.frame(
  v1 = c("", "A", "B x"),
  v2 = c(" ", "", "X"),
  v3 = c("Z", "     ", "y"))
A # and B
#    v1 v2    v3
# 1            Z
# 2   A         
# 3 B x  X     y

## Convert just "", but not spaces
A[] <- lapply(A, function(x) {
  type.convert(as.character(x), na.strings = "")
})

A
#     v1   v2    v3
# 1 <NA>          Z
# 2    A <NA>      
# 3  B x    X     y

这是我在写 makemeNA 作为我的仅限 GitHub 的 "SOfun" package 的一部分时采用的方法。

这里有几个例子：

library(SOfun)
makemeNA(B, "", FALSE)               ## Just ""
#     v1   v2    v3
# 1 <NA>          Z
# 2    A <NA>      
# 3  B x    X     y
makemeNA(B, "^[ ]+$", fixed = FALSE) ## Both "" and spaces
#     v1   v2   v3
# 1 <NA> <NA>    Z
# 2    A <NA> <NA>
# 3  B x    X    y

【讨论】：

感谢大家分享他们的意见/cmets/suggestions。以上所有的cmets对我的理解都有帮助。再次感谢。

【解决方案3】：

其他两个答案为您指明了更好的做法，但可能有充分的理由解释什么可以使测试成功。如果有任何缺失值，不要只测试不等式。

>  if( NA ){print(TRUE)}
Error in if (NA) { : missing value where TRUE/FALSE needed
> if( TRUE ){print(TRUE)}
[1] TRUE

使用

if ( !is.na(x[j,i]) && x[j,i] != ""){ y[j,i] = x[j,i] }

这样，当x[j,i] 为 NA 时，不等式测试不会引发错误。（没有任何事情等于或不等于 NA。）第一个逻辑测试解决了测试连词时的问题，因为第二个项目的值是什么并不重要，因此如果存在 NA，则永远不会评估第二个子句。

>   FALSE && NA
[1] FALSE

【讨论】：

【解决方案4】：

这并不能直接回答您的问题，但是如果您只是想将 "" 更改为 NA，则以下（较短的）代码可以正常工作：

让我们说 df 是你的数据框：

df[df==""]<- NA
df

【讨论】：