R中多个变量中缺失数据的百分比答案

【问题标题】：percentage of missing data in multiple variables in RR中多个变量中缺失数据的百分比
【发布时间】：2021-07-18 16:41:09
【问题描述】：

我有一个缺少数据的数据集。我发现有 6 个变量 缺少数据。我想检查 percentage of data 但是我使用了 mean is.na 但是我不确定这是否正确，我知道有一种更简单的方法可以检查这一点而不是使用重复的代码，如下所示：

问题是，获取多个变量中缺失数据的百分比的最佳代码是什么？

PS。我希望它看起来像我拥有的删除列的删除列代码

--------代码-------------------- -------------

mean(is.na(TrainDataSet$KF6 ))
mean(is.na(TrainDataSet$KF9 ))
mean(is.na(TrainDataSet$KF10 ))
mean(is.na(TrainDataSet$F1 ))
mean(is.na(TrainDataSet$T2 ))
mean(is.na(TrainDataSet$ST7 ))

#Delete columns with missing data from TrainingSet

TrainDataSet <- TrainDataSet[ , -c(11, 14 , 15 , 21 , 28, 54)]

我收到所有列的响应，请仅针对上述 6 列提供解决方案**（KF6、KF9、KF10、F1、T2、ST7）**

【问题讨论】：

这能回答你的问题吗：stackoverflow.com/q/33512837/6851825
您的解决方案显示所有列。我的问题是只显示选定的列。我相信，我的编码是正确的，但我想简化它。
尝试colMeans(is.na(airquality[c("Solar.R", "Wind")]))，即使用您的数据colMeans(is.na(TrainDataSet[c("KF6", "KF9", "KF10", "F1", "T2", "ST7")]))
顺便说一句，建议在此站点上包含示例数据，以供其他人用来尝试和验证解决方案。您可以 1) 使用标准数据集，例如 airquality（具有 NA），2) 将 dput() 与您的数据的一些代表性子集一起使用。这会生成其他人可以用来创建数据对象的精确副本的代码，3) 提供生成假数据的代码，例如TrainDataSet = data.frame(ok = 1:3, KF6 = c(1:2, NA), KF9 = c(NA, NA, "a"))

标签： r data-mining percentage missing-data

【解决方案1】：

colMeans(is.na(airquality))

     Ozone    Solar.R       Wind       Temp      Month        Day 
0.24183007 0.04575163 0.00000000 0.00000000 0.00000000 0.00000000

如果你只想要某些列，你可以使用：

colMeans(is.na(airquality[c("Solar.R", "Wind")]))
#colMeans(is.na(airquality[, 2:3]))   # equivalent by column position
   Solar.R       Wind 
0.04575163 0.00000000

或者，使用 dplyr，您可以使用 summarize(across... 将代码应用于每个指定的列：

library(dplyr)
airquality %>% summarize(across(c(Solar.R, Wind), ~mean(is.na(.x))))

     Solar.R Wind
1 0.04575163    0

【讨论】：