Określ liczbę wartości NA w kolumnie

Chcę policzyć liczbę NAwartości w kolumnie ramki danych. Powiedzmy, że nazywa się moja ramka danych df, a nazwa kolumny, którą rozważam, to col. Sposób, który wymyśliłem, jest następujący:

sapply(df$col, function(x) sum(length(which(is.na(x)))))  

Czy to dobry / najbardziej efektywny sposób, aby to zrobić?

Zastanawiasz się nad problemem:

sum(is.na(df$col))

Jeśli szukasz NAzliczeń dla każdej kolumny w ramce danych, to:

na_count <-sapply(x, function(y) sum(length(which(is.na(y)))))

powinien dać ci listę z liczebnościami dla każdej kolumny.

na_count <- data.frame(na_count)

Powinien ładnie wyświetlać dane w ramce danych, takiej jak:

----------------------
| row.names | na_count
------------------------
| column_1  | count

Wypróbuj colSumsfunkcję

df <- data.frame(x = c(1,2,NA), y = rep(NA, 3))

colSums(is.na(df))

#x y 
#1 3 

Jeśli chcesz policzyć liczbę NA w całej ramce danych, możesz również użyć

sum(is.na(df))

Na summary()wyjściu funkcja liczy również NAs, więc można użyć tej funkcji, jeśli chce się sumę NAs w kilku zmiennych.

Prosty, zwrotny sposób zliczania wartości null w każdej kolumnie ramki danych:

library(tidyverse)
library(purrr)

df %>%
    map_df(function(x) sum(is.na(x))) %>%
    gather(feature, num_nulls) %>%
    print(n = 100)

Ta forma, nieco zmieniona od tej Kevina Ogorosa:

na_count <-function (x) sapply(x, function(y) sum(is.na(y)))

zwraca liczbę NA jako nazwaną tablicę int

Szybkim i łatwym rozwiązaniem Tidyverse, aby uzyskać NAliczbę wszystkich kolumn, jest użycie, summarise_all()które moim zdaniem jest znacznie łatwiejsze do odczytania niż użycie purrrlubsapply

library(tidyverse)
# Example data
df <- tibble(col1 = c(1, 2, 3, NA), 
             col2 = c(NA, NA, "a", "b"))

df %>% summarise_all(~ sum(is.na(.)))
#> # A tibble: 1 x 2
#>    col1  col2
#>   <int> <int>
#> 1     1     2

Spróbuj tego:

length(df$col[is.na(df$col)])

Odpowiedź użytkownika rrs jest prawidłowa, ale to tylko mówi o liczbie wartości NA w określonej kolumnie ramki danych, którą przekazujesz, aby uzyskać liczbę wartości NA dla całej ramki danych, spróbuj tego:

apply(<name of dataFrame>, 2<for getting column stats>, function(x) {sum(is.na(x))})

To załatwia sprawę

Czytałem plik csv z katalogu lokalnego. Poniższy kod działa dla mnie.

# to get number of which contains na
sum(is.na(df[, c(columnName)]) # to get number of na row

# to get number of which not contains na
sum(!is.na(df[, c(columnName)]) 

#here columnName is your desire column name

Podobna do odpowiedzi hute37, ale przy użyciu purrrpakietu. Myślę, że to uporządkowane podejście jest prostsze niż odpowiedź zaproponowana przez AbiK.

library(purrr)
map_dbl(df, ~sum(is.na(.)))

Uwaga: tylda ( ~) tworzy anonimową funkcję. A „.” odnosi się do wejścia dla funkcji anonimowej, w tym przypadku data.frame df.

Możesz użyć tego do zliczenia liczby NA lub spacji w każdej kolumnie

colSums(is.na(data_set_name)|data_set_name == '')

sapply(name of the data, function(x) sum(is.na(x)))