在 Julia DataFrames 中测试 NA 的正确方法答案

【问题标题】：Proper way to test for NA in Julia DataFrames在 Julia DataFrames 中测试 NA 的正确方法
【发布时间】：2015-01-26 15:52:17
【问题描述】：

在 Julia DataFrames 包中测试 DataFrame 中的值是否为 NA 的正确方法是什么？

到目前为止，我发现typeof(var) == NAtype 有效，但有没有更优雅的方法？

【问题讨论】：

标签： dataframe julia

【解决方案1】：

为此使用 typeof(var) == NAtype 很尴尬，特别是因为它没有矢量化。

测试NA 值的规范方法是使用称为isna 的（矢量化）函数。

示例

让我们在B 列中生成一个带有一些NA 值的玩具DataFrame：

julia> using DataFrames

julia> df = DataFrame(A = 1:10, B = 2:2:20)
10x2 DataFrame
| Row | A  | B  |
|-----|----|----|
| 1   | 1  | 2  |
| 2   | 2  | 4  |
| 3   | 3  | 6  |
| 4   | 4  | 8  |
| 5   | 5  | 10 |
| 6   | 6  | 12 |
| 7   | 7  | 14 |
| 8   | 8  | 16 |
| 9   | 9  | 18 |
| 10  | 10 | 20 |

julia> df[[1,4,8],symbol("B")] = NA
NA

julia> df
10x2 DataFrame
| Row | A  | B  |
|-----|----|----|
| 1   | 1  | NA |
| 2   | 2  | 4  |
| 3   | 3  | 6  |
| 4   | 4  | NA |
| 5   | 5  | 10 |
| 6   | 6  | 12 |
| 7   | 7  | 14 |
| 8   | 8  | NA |
| 9   | 9  | 18 |
| 10  | 10 | 20 |

现在让我们假设我们不知道 DataFrame 的内容，然后问例如以下问题：

B 列是否包含 NA 值？

typeof 方法不起作用，这里：

julia> typeof(df[:,symbol("B")]) == NAtype
false

isna 函数更合适：

julia> any(isna(df[:,symbol("B")]))
  true

【讨论】：