计算数据框中每一列的非 NA 值的数量 [重复]答案

【问题标题】：Count number of non-NA values for every column in a dataframe [duplicate]计算数据框中每一列的非 NA 值的数量 [重复]
【发布时间】：2018-05-15 19:15:14
【问题描述】：

我有一个大数据集，其中包含很多 NAs 和一些非 Na 值。目前，我计算每一列的非NA 值，如下所示：

 attach(df)
 1000 - (sum(is.na(X1)))
 1000 - (sum(is.na(X2)))
 1000 - (sum(is.na(X3)))
 1000 - (sum(is.na(X4)))
 1000 - (sum(is.na(X5)))
 ...
 detach(df)

所以我观察的总长度 - 我的 NA 值的总和。

有没有一种更快的方法，它使用更少的代码行和打字工作，让我快速了解所有非NA 值的列和数量？

像 for 循环之类的？

我正在寻找这样的东西：

  X1     Amount of Non-Na-Values
  X2     ...
  X3     ...
  X4
  X5
  X6

谢谢你:)

【问题讨论】：

不要使用attach，导致的问题多于解决的问题。
很容易产生错误。如果您对数据进行任何子集化、分组或重新排列，您附加的列可能会彼此不同步，并且与实际数据不同步。还有更好的选择：许多函数都有一个data 参数，所以你根本不需要它，你可以使用with() 做其他任何事情。见Why is it advisable to not use attach() in R? 和When to use with() and why is it good?

标签： r dataframe

【解决方案1】：

您还可以在整个数据帧上调用is.na（隐式强制转换为逻辑矩阵）并在反向响应上调用colSums：

# make sample data
set.seed(47)
df <- as.data.frame(matrix(sample(c(0:1, NA), 100*5, TRUE), 100))

str(df)
#> 'data.frame':    100 obs. of  5 variables:
#>  $ V1: int  NA 1 NA NA 1 NA 1 1 1 NA ...
#>  $ V2: int  NA NA NA 1 NA 1 0 1 0 NA ...
#>  $ V3: int  1 1 0 1 1 NA NA 1 NA NA ...
#>  $ V4: int  NA 0 NA 0 0 NA 1 1 NA NA ...
#>  $ V5: int  NA NA NA 0 0 0 0 0 NA NA ...

colSums(!is.na(df))
#> V1 V2 V3 V4 V5 
#> 69 55 62 60 70

【讨论】：

【解决方案2】：

使用dplyr，那就是：

library(dplyr)

df %>%
summarise_all(funs(sum(!is.na(.))))
#  V1 V2 V3 V4 V5
#1 65 66 70 62 74

这种方法的优点是您可以在之前使用group_by，并且您不需要关心列名（它只是汇总了所有列名）。

【讨论】：

【解决方案3】：

试试这个：

nonNA_counts <- sapply(df, function(x) sum(!is.na(x)))

【讨论】：

对于数据帧的colwise操作，apply(df, 2, function(x) sum(!is.na(x)))不是更一致吗？
@MikaelPoulJohannesson 通常，我们在矩阵上使用apply，在数据帧上使用sapply 或lapply。（在这种情况下，这并不重要......）