Элегантный способ сообщить об отсутствующих значениях в data.frame

Просто используйте sapply

> sapply(airquality, function(x) sum(is.na(x)))
  Ozone Solar.R    Wind    Temp   Month     Day 
     37       7       0       0       0       0

Вы также можете использовать apply или colSums в матрице, созданной is.na()

> apply(is.na(airquality),2,sum)
  Ozone Solar.R    Wind    Temp   Month     Day 
     37       7       0       0       0       0
> colSums(is.na(airquality))
  Ozone Solar.R    Wind    Temp   Month     Day 
     37       7       0       0       0       0 

Мой новый фаворит для (не слишком широких) данных - это методы из отличного пакета naniar. Вы получаете не только частоты, но и схемы отсутствия:

library(naniar)
library(UpSetR)

riskfactors %>%
  as_shadow_upset() %>%
  upset()

Часто бывает полезно увидеть, где пропущены по отношению к отсутствию, что может быть достигнуто путем построения графика рассеяния с пропусками:

ggplot(airquality,
       aes(x = Ozone,
           y = Solar.R)) +
 geom_miss_point()

Или для категориальных переменных:

gg_miss_fct(x = riskfactors, fct = marital)

Эти примеры взяты из пакета vignette, в котором перечислены другие интересные визуализации.

Мы можем использовать map_df с мурлыканьем.

library(mice)
library(purrr)

# map_df with purrr
map_df(airquality, function(x) sum(is.na(x)))
# A tibble: 1 × 6
# Ozone Solar.R  Wind  Temp Month   Day
# <int>   <int> <int> <int> <int> <int>
# 1    37       7     0     0     0     0

summary(airquality)

уже дает вам эту информацию

Пакеты VIM также предлагают несколько хороших графиков отсутствующих данных для data.frame.

library("VIM")
aggr(airquality)

Более лаконично: sum(is.na(x[1]))

То есть

1. x[1] Посмотрите на первый столбец

2. is.na() верно, если NA

3. sum() TRUE is 1, FALSE is 0

Еще одна графическая альтернатива - функция plot_missing из отличного пакета DataExplorer:

Docs также указывает на то, что вы можете сохранить эти результаты для дополнительного анализа с помощью missing_data <- plot_missing(data).

Еще одна функция, которая поможет вам увидеть недостающие данные, - это df_status из библиотеки funModeling.

library(funModeling)

iris.2 - это набор данных радужной оболочки с некоторыми добавленными NA. Вы можете заменить его своим набором данных.

df_status(iris.2)

Это даст вам количество и процентное соотношение НП в каждом столбце.

Еще одно графическое решение - visdat пакет предлагает vis_miss.

library(visdat)
vis_miss(airquality)

Очень похоже на вывод Amelia с небольшой разницей в выдаче% s при отсутствии из коробки.

Я думаю, что библиотека Amelia отлично справляется с обработкой недостающих данных, а также включает карту для визуализации недостающих строк.

install.packages("Amelia")
library(Amelia)
missmap(airquality)

Вы также можете запустить следующий код, который вернет логические значения na

row.has.na <- apply(training, 1, function(x){any(is.na(x))})

Другой графический и интерактивный способ - использовать функцию is.na10 из библиотеки heatmaply:

library(heatmaply)

heatmaply(is.na10(airquality), grid_gap = 1, 
          showticklabels = c(T,F),
            k_col =3, k_row = 3,
            margins = c(55, 30), 
            colors = c("grey80", "grey20"))

Вероятно, не будет работать с большими наборами данных.

Если вы хотите сделать это для определенного столбца, вы также можете использовать этот

length(which(is.na(airquality[1])==T))

Функцию пакета ExPanDaR prepare_missing_values_graph можно использовать для исследования данных панели:

dplyr решением для подсчета может быть:

summarise_all(df, ~sum(is.na(.)))

Или получить процент:

summarise_all(df, ~(sum(is_missing(.) / nrow(df))))

Возможно, также стоит отметить, что отсутствующие данные могут быть некрасивыми, непоследовательными и не всегда кодироваться как NA в зависимости от источника или того, как они обрабатываются при импорте. Следующая функция может быть изменена в зависимости от ваших данных и того, что вы хотите считать пропущенным:

is_missing <- function(x){
  missing_strs <- c('', 'null', 'na', 'nan', 'inf', '-inf', '-9', 'unknown', 'missing')
  ifelse((is.na(x) | is.nan(x) | is.infinite(x)), TRUE,
         ifelse(trimws(tolower(x)) %in% missing_strs, TRUE, FALSE))
}

# sample ugly data
df <- data.frame(a = c(NA, '1', '  ', 'missing'),
                 b = c(0, 2, NaN, 4),
                 c = c('NA', 'b', '-9', 'null'),
                 d = 1:4,
                 e = c(1, Inf, -Inf, 0))

# counts:
> summarise_all(df, ~sum(is_missing(.)))
  a b c d e
1 3 1 3 0 2

# percentage:
> summarise_all(df, ~(sum(is_missing(.) / nrow(df))))
     a    b    c d   e
1 0.75 0.25 0.75 0 0.5