替换为 na 的值，仍然显示在 summary() 中答案

【问题标题】：Values replaced with na, are still shown in summary()替换为 na 的值，仍然显示在 summary() 中
【发布时间】：2021-10-26 09:21:39
【问题描述】：

这是代码的简化版本：

# Packages used
pkg <- c("tidyverse",
         "synthpop"
)

tmp1 <- read_csv2(file1)
tmp2 <- read_csv2(file2) 
tmp <- tmp1 %>%
    left_join(tmp2)

我遇到的问题是 na 的值和文本 NA 值（来自 csv 文件）。为了解决这个问题，我用实际的 na 替换了文本 NA，见下文。

# replacing textual "NA"'s with actual na's that are regonized by R 
tmp <- na_if(tmp, "NA")

但是在运行时：

summary(tmp["Region"])

输出：

Region      
 North:19342  
 West :91234  
 East :48001  
 South:43347  
 NA   :    0  
 NA's :12276

它仍然将文本 NA 显示为一个类别，尽管计数为 0（它对 tmp 中的所有变量都这样做）。因此，在我的代码后面，我遇到了问题。我希望文本 NA 不再存在（它不是关于输出，而是关于 NA 作为一个因素的实际存在，我稍后合成数据集，NA 和 NA 不应该被视为两个单独的可能性） .

有什么替代或补充：tmp <- na_if(tmp, "NA")，以免出现此问题？我希望你能帮助我！

【问题讨论】：

为了提供帮助，我们确实需要查看您的数据。请提供来自dput(tmp) 或dput(head(tmp)) 的输出。
区域是否为factor，级别为“NA”？ summary(droplevels(tmp["Region"])) 会发生什么
很遗憾，由于法规，我无法显示任何数据。
很遗憾，droplevels 不起作用，因为它与摘要输出无关。输出仅表明 NA 仍然是与 NA 不同的类别，这会在以后带来问题。
您是如何使用droplevels 的？尝试tmp <- droplevels(tmp)，然后执行summary(tmp["Region"])。这给了你什么？

标签： r tidyr

【解决方案1】：

forcats::fct_drop 将删除一个因子中未使用的级别：

library(tidyverse)

df <- tribble(~a, "a", "b", "c", "NA", NA) %>% 
  mutate(a = as_factor(a))

df2 <- na_if(df, "NA") %>% 
  mutate(a = fct_drop(a))

summary(df2)
#>     a    
#>  a   :1  
#>  b   :1  
#>  c   :1  
#>  NA's:2

^{由reprex package (v2.0.0) 于 2021 年 10 月 26 日创建}

上面在 cmets 中建议的 base::droplevels 函数当然也是一样的！我非常喜欢 forcats 包，因为它习惯于处理因子和水平。

【讨论】：