报告data.frame中缺失值的优雅方法

Question

这是我编写的一小段代码,用于报告数据框中缺少值的变量.我正在尝试一种更优雅的方式来做这个,也许会返回一个data.frame,但是我被困住了:

for (Var in names(airquality)) {
    missing <- sum(is.na(airquality[,Var]))
    if (missing > 0) {
        print(c(Var,missing))
    }
}

编辑:我正在处理包含数十到数百个变量的data.frames,因此我们只报告缺少值的变量是关键.

Answer 1

只是用 sapply

> sapply(airquality, function(x) sum(is.na(x)))
  Ozone Solar.R    Wind    Temp   Month     Day 
     37       7       0       0       0       0

您也可以使用apply或colSums创建的矩阵is.na()

> apply(is.na(airquality),2,sum)
  Ozone Solar.R    Wind    Temp   Month     Day 
     37       7       0       0       0       0
> colSums(is.na(airquality))
  Ozone Solar.R    Wind    Temp   Month     Day 
     37       7       0       0       0       0 

Answer 2

我们可以使用map_dfpurrr.

library(mice)
library(purrr)

# map_df with purrr
map_df(airquality, function(x) sum(is.na(x)))
# A tibble: 1 × 6
# Ozone Solar.R  Wind  Temp Month   Day
# <int>   <int> <int> <int> <int> <int>
# 1    37       7     0     0     0     0

Answer 3

我最喜欢（不太宽的）数据的是出色的naniar软件包中的方法。不仅您获得频率，而且获得缺失的模式：

library(naniar)
library(UpSetR)

riskfactors %>%
  as_shadow_upset() %>%
  upset()

通常可以通过绘制散点图与缺失来了解缺失与非缺失之间的关系：

ggplot(airquality,
       aes(x = Ozone,
           y = Solar.R)) +
 geom_miss_point()

或对于分类变量：

gg_miss_fct(x = riskfactors, fct = marital)

这些示例来自包装插图，其中列出了其他有趣的可视化效果。

Answer 4

summary(airquality)

已经给你这个信息

该VIM包还提供了一些不错的失踪data.frame数据图

library("VIM")
aggr(airquality)

Answer 5

另一个图形替代方案 -plot_missing来自优秀包的功能DataExplorer：

文档还指出，您可以保存此结果以使用 进行额外分析missing_data <- plot_missing(data)。