r-清除数据集中丢失的值

Question

我正在尝试使用消除数据集的缺失值

na.rm = TRUE

然而，它仍然有缺失的值，只有当我使用时它才起作用

na.omit(data)

如何使第一个代码工作？

这就是我所拥有的，但不起作用：

edu2018$mathtest[edu2018$mathtest < 0] <- NA
summary(edu2018$mathtest, na.rm=TRUE)

它表明数据集中中有104个NA

有效的代码是：

edu2018$mathtest[edu2018$mathtest < 0] <- NA
edu2018 <- na.omit(edu2018)
summary(edu2018$mathtest)

这些是我得到的结果

这两个代码的中值和均值是不同的。

Answer 1

代码的问题在于，您在整个数据集中使用na.omit，而不仅仅是您想要的变量。na.omit将删除任何带有NA的行，而不仅仅是您感兴趣的列中带有NA的那些行。参见以下示例：

test <- mtcars
test$mpg[test$mpg < 20] <- NA
test$cyl[test$cyl < 6] <- NA
test
#>                      mpg cyl  disp  hp drat    wt  qsec vs am gear carb
#> Mazda RX4           21.0   6 160.0 110 3.90 2.620 16.46  0  1    4    4
#> Mazda RX4 Wag       21.0   6 160.0 110 3.90 2.875 17.02  0  1    4    4
#> Datsun 710          22.8  NA 108.0  93 3.85 2.320 18.61  1  1    4    1
#> Hornet 4 Drive      21.4   6 258.0 110 3.08 3.215 19.44  1  0    3    1
#> Hornet Sportabout     NA   8 360.0 175 3.15 3.440 17.02  0  0    3    2
#> Valiant               NA   6 225.0 105 2.76 3.460 20.22  1  0    3    1
#> Duster 360            NA   8 360.0 245 3.21 3.570 15.84  0  0    3    4
#> Merc 240D           24.4  NA 146.7  62 3.69 3.190 20.00  1  0    4    2
#> Merc 230            22.8  NA 140.8  95 3.92 3.150 22.90  1  0    4    2
#> Merc 280              NA   6 167.6 123 3.92 3.440 18.30  1  0    4    4
#> Merc 280C             NA   6 167.6 123 3.92 3.440 18.90  1  0    4    4
#> Merc 450SE            NA   8 275.8 180 3.07 4.070 17.40  0  0    3    3
#> Merc 450SL            NA   8 275.8 180 3.07 3.730 17.60  0  0    3    3
#> Merc 450SLC           NA   8 275.8 180 3.07 3.780 18.00  0  0    3    3
#> Cadillac Fleetwood    NA   8 472.0 205 2.93 5.250 17.98  0  0    3    4
#> Lincoln Continental   NA   8 460.0 215 3.00 5.424 17.82  0  0    3    4
#> Chrysler Imperial     NA   8 440.0 230 3.23 5.345 17.42  0  0    3    4
#> Fiat 128            32.4  NA  78.7  66 4.08 2.200 19.47  1  1    4    1
#> Honda Civic         30.4  NA  75.7  52 4.93 1.615 18.52  1  1    4    2
#> Toyota Corolla      33.9  NA  71.1  65 4.22 1.835 19.90  1  1    4    1
#> Toyota Corona       21.5  NA 120.1  97 3.70 2.465 20.01  1  0    3    1
#> Dodge Challenger      NA   8 318.0 150 2.76 3.520 16.87  0  0    3    2
#> AMC Javelin           NA   8 304.0 150 3.15 3.435 17.30  0  0    3    2
#> Camaro Z28            NA   8 350.0 245 3.73 3.840 15.41  0  0    3    4
#> Pontiac Firebird      NA   8 400.0 175 3.08 3.845 17.05  0  0    3    2
#> Fiat X1-9           27.3  NA  79.0  66 4.08 1.935 18.90  1  1    4    1
#> Porsche 914-2       26.0  NA 120.3  91 4.43 2.140 16.70  0  1    5    2
#> Lotus Europa        30.4  NA  95.1 113 3.77 1.513 16.90  1  1    5    2
#> Ford Pantera L        NA   8 351.0 264 4.22 3.170 14.50  0  1    5    4
#> Ferrari Dino          NA   6 145.0 175 3.62 2.770 15.50  0  1    5    6
#> Maserati Bora         NA   8 301.0 335 3.54 3.570 14.60  0  1    5    8
#> Volvo 142E          21.4  NA 121.0 109 4.11 2.780 18.60  1  1    4    2

summary(test$mpg)
#>    Min. 1st Qu.  Median    Mean 3rd Qu.    Max.    NA's 
#>   21.00   21.43   23.60   25.48   29.62   33.90      18
summary(na.omit(test$mpg))
#>    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
#>   21.00   21.43   23.60   25.48   29.62   33.90
test2 <- na.omit(test)
summary(test2$mpg)
#>    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
#>   21.00   21.00   21.00   21.13   21.20   21.40

注意，当我们不去除NA时，当我们去除感兴趣变量的NA时，我们得到相同的均值和中位数。当我们从完整的数据集中删除所有NA时，我们会得到不同的结果，因为还有其他列具有NA；因此，我们为mpg删除了一些具有非NA值的行。

Answer 2

以下操作有效吗？

library(tidyverse)
edu2018New <- edu2018 |> 
drop_na() |>
summarize(mean = mean(mathtest),
median = median(mathtest))
edu2018New

要删除一个特定列中具有NA的行，请尝试使用drop_na(col_name(而不是drop_na