如何在 R 中过滤丢失 NA 值

在数据处理过程中，往往会遇到缺失值的情况（通常用NA代替），因此在分析之前，需要对缺失值进行处理。在R中，我们可以使用各种技术来处理缺失值。本文主要介绍如何在R中过滤丢失NA值的方法。

过滤 NA值的函数

在R中，我们可以使用 na.omit() 函数来过滤NA值。这个函数可以过滤掉包含缺失值的行。

# 构建有缺失值的数据框
data <- data.frame(name=c("A","B","C","D","E"), age=c(26,NA,30,28,NA), gender=c("M","F","M",NA,"F"))
data

# 过滤缺失值后的数据框
data_filtered <- na.omit(data)
data_filtered

运行结果为：

  name age gender
1    A  26      M
2    B  NA      F
3    C  30      M
4    D  28   <NA>
5    E  NA      F
  name age gender
1    A  26      M
3    C  30      M

可以看到，过滤NA值后，只剩下了第一行和第三行。

过滤缺失值后的变量

# 构建有缺失值的向量
data_vec <- c(1, 2, NA, 4, 5, NA, 7, 8, 9, NA)
data_vec

# 过滤缺失值后的向量
data_vec_filtered <- data_vec[!is.na(data_vec)]
data_vec_filtered

运行结果为：

[1] 1 2 4 5 7 8 9

可以看到，过滤NA值后，只剩下了非NA的值。

结论

以上就是如何在R中过滤丢失NA值的方法，通过 na.omit() 函数过滤掉包含缺失值的行，而对于变量，我们可以使用!is.na()来过滤缺失值。