将 R 中选定列中的所有 NA 替换为 FALSE答案

【问题标题】：Replace all NA with FALSE in selected columns in R将 R 中选定列中的所有 NA 替换为 FALSE
【发布时间】：2011-11-08 21:29:22
【问题描述】：

我有一个类似于this one 的问题，但我的数据集有点大：50 列，其中 1 列作为 UID，其他列带有 TRUE 或 NA，我想更改所有 NA到FALSE，但我不想使用显式循环。

plyr 能做到吗？谢谢。

更新 #1

感谢您的快速回复，但如果我的数据集如下所示：

df <- data.frame(
  id = c(rep(1:19),NA),
  x1 = sample(c(NA,TRUE), 20, replace = TRUE),
  x2 = sample(c(NA,TRUE), 20, replace = TRUE)
)

我只想处理X1和X2，怎么办？

【问题讨论】：

标签： r dataframe na missing-data imputation

【解决方案1】：

试试这个代码：

df <- data.frame(
  id = c(rep(1:19), NA),
  x1 = sample(c(NA, TRUE), 20, replace = TRUE),
  x2 = sample(c(NA, TRUE), 20, replace = TRUE)
)
replace(df, is.na(df), FALSE)

已更新另一种解决方案。

df2 <- df <- data.frame(
  id = c(rep(1:19), NA),
  x1 = sample(c(NA, TRUE), 20, replace = TRUE),
  x2 = sample(c(NA, TRUE), 20, replace = TRUE)
)
df2[names(df) == "id"] <- FALSE
df2[names(df) != "id"] <- TRUE
replace(df, is.na(df) & df2, FALSE)

【讨论】：

【解决方案2】：

如果你想替换变量的子集，你仍然可以使用is.na(*) <-技巧，如下：

df[c("x1", "x2")][is.na(df[c("x1", "x2")])] <- FALSE

IMO 使用临时变量使逻辑更容易理解：

vars.to.replace <- c("x1", "x2")
df2 <- df[vars.to.replace]
df2[is.na(df2)] <- FALSE
df[vars.to.replace] <- df2

【讨论】：

我知道这是一篇旧帖子，但你能向我解释一下第一行吗？当您使用临时变量将其分解时，我得到了逻辑，但我想了解单行形式。我以为我熟悉子集，但我不明白 [][]。我搜索了“双括号”，但结果有所不同。
@tmakino 您只需将双括号从左到右读取为不同的子集。例如，如果x <- 1:10，那么x[5:10][1:4] 将为您提供向量5 6 7 8。在多个步骤中，您可以获取第一个子集并将其命名为 y，y <- x[5:10]，即5 6 7 8 9 10。然后子集该向量y[1:4]，它再次给你5 6 7 8。
您也可以使用列位置而不是显式命名它们，这在您有很多变量要转换或它们有长名称时很有用：例如，df2[,14:16][is.na(df2[,14:16])] <- 0 替换 @987654332 @ 与 0 在数据框 df2 的第 14、15 和 16 列中。

【解决方案3】：

您可以使用gdata 包中的NAToUnknown 函数

df[,c('x1', 'x2')] = gdata::NAToUnknown(df[,c('x1', 'x2')], unknown = 'FALSE')

【讨论】：

除一个障碍外的出色功能 - 如果我想将未知数更改为 0，并且向量中已经有一些 NA 和零，那么我会收到错误消息 Error in NAToUnknown.default(x = dots[[1L]][[1L]], unknown = dots[[2L]][[1L]], : 'x' already has value “0”。

【解决方案4】：

dplyr 你也可以这样做

df %>% mutate_each(funs(replace(., is.na(.), F)), x1, x2)

与使用 replace() 的 just 相比，它的可读性稍差，但更通用，因为它允许选择要转换的列。如果您想在某些列中保留 NA，但又想在其他列中删除 NA，则此解决方案尤其适用。

【讨论】：

【解决方案5】：

tidyr::replace_na功能很好。

df %>%
  replace_na(list(x1 = FALSE, x2 = FALSE))

这是一个非常棒的快速修复。唯一的诀窍是列出要更改的列。

【讨论】：