迹忆客 专注技术分享

在 R 中，有一个简单的方法可以将数据框中的 NA 替换为 0。假设你有一个名为 my_data 的数据框。要将该数据框中所有的 NA 值用零代替，可以执行这条语句。

my_data[is.na(my_data)] <- 0

例如，如果 my_data 有以下内容。

   C1  C2    C3  C4  C5
1   4   3  <NA>   3   7
2   9   8   ABC   5  10
3   1   1   XYZ   3   6
4  NA   4  <NA>   7  10
5   1   2   ZC1  NA   2

当你执行 my_data[is.na(my_data)] <- 0 时，数据框的内容就会变成这样。

   C1  C2    C3  C4  C5
1   4   3     0   3   7
2   9   8   ABC   5  10
3   1   1   XYZ   3   6
4   0   4     0   7  10
5   1   2   ZC1   0   2

在较大的 R 数据框中用零代替 NA

以前的解决方案使用 Base R 子集重分配，当你有相对较小的数据框时，它工作得很好。但对于更大的数据集，你可能需要一个更快的替代方案，比如最近版本的 dplyr 包中实现的新的混合评估方法。

dplyr 包采用的新方法可以识别整个表达式，并使用 C++ 代码来评估它们。这样，在处理大数据框时，你可以实现高达 30%的变换速度。

要使用 dplyr 包将 NA 值替换为零，可以使用 mutate 函数与 _all 范围内的动词和 replace 函数的 purrr 格式，如下例所示。

my_data <- mutate_all(my_data, ~replace(., is.na(.), 0))

使用 purrr 符号允许我们将 replace 函数应用于每个数据框元素。

在 R 数据框的子集中用零替换 NA

在 mutate 函数中，你可以使用 _at 范围动词来代替 _all 范围动词，将替换操作限制在特定的列上。要做到这一点，你可以包含一个包含列名的向量，这是你希望替换发生的地方。使用前面的数据框，如果你只需要替换列 C1 和 C4 中的 NA 值，你可以使用以下命令。

my_data <- mutate_at(my_data, c(`C1`, `C4`), ~replace(., is.na(.), 0))

这样一来，只有列 C1 和 C4 中的 NA 值被替换为 0，从而得到如下数据框。

   C1  C2    C3  C4  C5
1   4   3  <NA>   3   7
2   9   8   ABC   5  10
3   1   1   XYZ   3   6
4   0   4  <NA>   7  10
5   1   2   ZC1   0   2

在前面的例子中，你可能希望只在数字列中用 0 来替换 NA，以避免在字母数字列（如 C3）中包含 0 值。如果是这种情况，你可以使用 mutate_if 函数和 is.numeric 条件来告诉 R 只在数字列中用零值替换 NA，而不是指定要应用替换的列。在下面的例子中，你可以找到完整的代码来尝试，从安装 dplyr 包、填充数据框到执行替换并显示结果。

install.packages("dplyr")
library(dplyr)
C1 <- c(4, 9, 1, NA, 1)
C2 <- c(3, 8, 1, 4, 2)
C3 <- c(NA, 'ABC', 'XYZ', NA, 'ZC1')
C4 <- c(3, 5, 3, 7, NA)
C5 <- c(7, 10, NA, 10, 2)
my_data <- data.frame(C1, C2, C3, C4, C5)
my_data <- mutate_if(my_data, is.numeric, ~replace(., is.na(.), 0))
my_data

输出：

   C1  C2    C3  C4  C5
1   4   3  <NA>   3   7
2   9   8   ABC   5  10
3   1   1   XYZ   3   0
4   0   4  <NA>   7  10
5   1   2   ZC1   0   2

你可以在 R 文档中找到更多关于 mutate() 函数及其变体的信息。