Subconjunto de filas que contienen valores NA (faltantes) en una columna elegida de un marco de datos

Tenemos un marco de datos de un archivo CSV. El marco de datos DFtiene columnas que contienen valores observados y una columna ( VaR2) que contiene la fecha en la que se tomó una medición. Si no se registró la fecha, el archivo CSV contiene el valor NAde los datos faltantes.

Var1  Var2 
10   2010/01/01
20   NA
30   2010/03/01

Nos gustaría usar el comando subconjunto para definir un nuevo marco de datos de new_DFmanera que solo contenga filas que tengan un NA'valor de la columna ( VaR2). En el ejemplo dado, solo la Fila 2 estará contenida en el nuevoDF .

El comando

new_DF<-subset(DF,DF$Var2=="NA") 

no funciona, el marco de datos resultante no tiene entradas de fila.

Si en el archivo CSV original NAse intercambia el Valor NULL, el mismo comando produce el resultado deseado:new_DF<-subset(DF,DF$Var2=="NULL") .

¿Cómo puedo hacer que este método funcione, si para la cadena de caracteres el valor NAse proporciona en el archivo CSV original?

Nunca use == 'NA' para probar los valores perdidos. Úselo en su is.na()lugar. Esto debería hacerlo:

new_DF <- DF[rowSums(is.na(DF)) > 0,]

o en caso de que desee verificar una columna en particular, también puede usar

new_DF <- DF[is.na(DF$Var),]

En caso de que tenga valores de caracteres NA, primero ejecute

Df[Df=='NA'] <- NA

para reemplazarlos con valores perdidos.

NA es un valor especial en R, no mezcle el valor NA con la cadena "NA". Dependiendo de la forma en que se importaron los datos, sus celdas "NA" y "NULL" pueden ser de varios tipos (el comportamiento predeterminado es convertir cadenas "NA" en valores NA y dejar cadenas "NULL" como están).

Si usa read.table () o read.csv (), debe considerar el argumento "na.strings" para realizar una importación de datos limpia y trabajar siempre con valores reales de R NA.

Un ejemplo, trabajando en ambos casos celdas "NULL" y "NA":

DF <- read.csv("file.csv", na.strings=c("NA", "NULL"))
new_DF <- subset(DF, is.na(DF$Var2))

complete.casesda TRUEcuando todos los valores en una fila no sonNA

DF[!complete.cases(DF), ]

new_data <- data %>% filter_all(any_vars(is.na(.))) 

Esto debería crear un nuevo marco de datos (new_data ) con solo los valores faltantes en él.

Funciona mejor para realizar un seguimiento de los valores que luego podría eliminar porque tenían algunas columnas con observaciones faltantes (NA).

Intente cambiar esto:

new_DF<-dplyr::filter(DF,is.na(Var2)) 

Imprime todas las filas con datos NA:

tmp <- data.frame(c(1,2,3),c(4,NA,5));
tmp[round(which(is.na(tmp))/ncol(tmp)),]