忽略函数中的 NA 值答案

【问题标题】：Ignoring NA values in function忽略函数中的 NA 值
【发布时间】：2018-04-24 19:16:29
【问题描述】：

我正在编写自己的函数来计算数据集中列的平均值，然后使用apply() 应用它，但它只返回第一列的平均值。以下是我的代码：

mymean <- function(cleaned_us){
  column_total = sum(cleaned_us)
  column_length = length(cleaned_us)
  return (column_total/column_length)
}

Average_2 <- apply(numeric_clean_usnews,2,mymean,na.rm=T)

【问题讨论】：

sum 还有na.rm 参数sum(cleaned_us, na.rm = TRUE) 另外，你可以使用colMeans(numeric_clean_usnews, na.rm = TRUE)
完美，可行，但我认为它可能会占用元素总数的长度并且不排除 NA。我尝试了 na.rm 的长度，但它没有使用它。我也希望我可以使用 colMeans，但它要求我们自己制作
我没有注意到长度。你可以使用sum(!is.na(cleaned_us))

标签： r function na

【解决方案1】：

我们需要在sum 中使用na.rm=TRUE，而在apply 中使用它是行不通的，因为mymean 没有那个参数

mymean <- function(cleaned_us){
   column_total = sum(cleaned_us, na.rm = TRUE) #change
   column_length = sum(!is.na(cleaned_us)) #change
  return(column_total/column_length)
 }

请注意，colMeans 可用于获取每列的mean。

【讨论】：

这对我有用，但我们为什么要 sum(!is.na(cleaned_us)) 长度？只是好奇！
@J.McCraiton !is.na(cleaned_us) 为非 NA/NA 元素提供 TRUE/FALSE 的逻辑向量，sum 将获得这些非 NA 的总和，即sum(!is.na(c(NA, 3, 5, NA)))#[1] 2。但是，length 将在此处给出 4。我想这就是你想要的，对，或者你可以做length(cleaned_us[!is.na(cleaned_us)])，但与sum相比它会慢一些

【解决方案2】：

为了将na.rm 参数传递给您定义的函数，您需要将其作为函数的参数。 sum() 函数有一个 na.rm 参数，但 length() 没有。因此，要编写您尝试编写的函数，您可以说：

# include `na.rm` as a param of the argument 
mymean <- function(cleaned_us, na.rm){

  # pass it to `sum()` 
  column_total = sum(cleaned_us, na.rm=na.rm)

  # if `na.rm` is set to `TRUE`, then don't count `NA`s 
  if (na.rm==TRUE){
    column_length = length(cleaned_us[!is.na(cleaned_us)])

  # but if it's `FALSE`, just use the full length
  } else {
    column_length = length(cleaned_us)
  }

  return (column_total/column_length)
}

那么你的电话应该可以工作了：

Average_2 <- apply(numeric_clean_usnews, 2, mymean, na.rm=TRUE)

【讨论】：

我认为 if 语句是多余的。也许在函数定义中将na.rm 设置为false。
这个定义是为了说明的目的，所以在现实世界的场景中它确实会更紧凑。不确定我是否看到“冗余”

【解决方案3】：

使用na.omit()

set.seed(1)
m <- matrix(sample(c(1:9, NA), 100, replace=TRUE), 10)

mymean <- function(cleaned_us, na.rm){
    if (na.rm) cleaned_us <- na.omit(cleaned_us)
    column_total = sum(cleaned_us)
    column_length = length(cleaned_us)
    column_total/column_length
}

apply(m, 2, mymean, na.rm=TRUE)

# [1] 5.000 5.444 4.111 5.700 6.500 4.600 5.000 6.222 4.700 6.200

【讨论】：