如何在R数据框中将NA值替换为零？

这个简单的函数从Datacamp中提取出来，可以帮助：

replace_missings <- function(x, replacement) {
  is_miss <- is.na(x)
  x[is_miss] <- replacement

  message(sum(is_miss), " missings replaced by the value ", replacement)
  x
}

那么

replace_missings(df, replacement = 0)

替换数据框中的is.na和NULL。

1. 具有列的数据框

A $ name [is.na（A $ name）] <- 0

或

A $ name [is.na（A $ name）] <- "NA"

2. 对于整个数据框

df [is.na（df）] <- 0

3. 替换数据框中的na为空白

df [is.na（df）] <-“”

4. 将NULL替换为NA

df [is.null（df）] <- NA

另一个选择是使用 collapse::replace_NA。默认情况下，replace_NA 会用0替换 NAs。

library(collapse)
replace_NA(df)

只针对某些列：

replace_NA(df, cols = c("V1", "V5")) 
#Alternatively, one can use a function, indices or a logical vector to select the columns

---

它也比其他任何答案都要快（请参见此答案进行比较）：

set.seed(42) # to recreate the exact dataframe
dfN <- as.data.frame(matrix(sample(c(NA, as.numeric(1:4)), 1e7*10, replace = TRUE),
                            dimnames = list(NULL, paste0("var", 1:10)), 
                            ncol = 10))

microbenchmark(collapse = replace_NA(dfN))

# Unit: milliseconds
#      expr      min      lq     mean  median       uq     max neval
#  collapse 508.9198 621.405 751.3413 714.835 859.5437 1298.69   100

我想添加一个新的解决方案，使用一个流行的Hmisc包。

library(Hmisc)
data(airquality)
# imputing with 0 - all columns
# although my favorite one for simple imputations is Hmisc::impute(x, "random")
> dd <- data.frame(Map(function(x) Hmisc::impute(x, 0), airquality))
> str(dd[[1]])
 'impute' Named num [1:153] 41 36 12 18 0 28 23 19 8 0 ...
 - attr(*, "names")= chr [1:153] "1" "2" "3" "4" ...
 - attr(*, "imputed")= int [1:37] 5 10 25 26 27 32 33 34 35 36 ...
> dd[[1]][1:10]
  1   2   3   4   5   6   7   8   9  10 
 41  36  12  18  0*  28  23  19   8  0* 

可以看到，所有的输入元数据都被分配为属性。因此以后可以使用它们。

另一种选项是使用sapply将所有的NA替换为零。以下是一些可重现的代码（数据来自@aL3xa）：

set.seed(7) # for reproducibility
m <- matrix(sample(c(NA, 1:10), 100, replace = TRUE), 10)
d <- as.data.frame(m)
d
#>    V1 V2 V3 V4 V5 V6 V7 V8 V9 V10
#> 1   9  7  5  5  7  7  4  6  6   7
#> 2   2  5 10  7  8  9  8  8  1   8
#> 3   6  7  4 10  4  9  6  8 NA  10
#> 4   1 10  3  7  5  7  7  7 NA   8
#> 5   9  9 10 NA  7 10  1  5 NA   5
#> 6   5  2  5 10  8  1  1  5 10   3
#> 7   7  3  9  3  1  6  7  3  1  10
#> 8   7  7  6  8  4  4  5 NA  8   7
#> 9   2  1  1  2  7  5  9 10  9   3
#> 10  7  5  3  4  9  2  7  6 NA   5
d[sapply(d, \(x) is.na(x))] <- 0
d
#>    V1 V2 V3 V4 V5 V6 V7 V8 V9 V10
#> 1   9  7  5  5  7  7  4  6  6   7
#> 2   2  5 10  7  8  9  8  8  1   8
#> 3   6  7  4 10  4  9  6  8  0  10
#> 4   1 10  3  7  5  7  7  7  0   8
#> 5   9  9 10  0  7 10  1  5  0   5
#> 6   5  2  5 10  8  1  1  5 10   3
#> 7   7  3  9  3  1  6  7  3  1  10
#> 8   7  7  6  8  4  4  5  0  8   7
#> 9   2  1  1  2  7  5  9 10  9   3
#> 10  7  5  3  4  9  2  7  6  0   5

^{2023年1月15日创建，使用reprex v2.0.2生成。}

---

请注意：自 R 4.1.0 起，您可以使用 \(x) 替代 function(x)。

这并不是一个全新的解决方案，但我喜欢编写内联lambda函数来处理那些我无法通过包来完成的事情。在这种情况下，

df %>%
   (function(x) { x[is.na(x)] <- 0; return(x) })

因为 R 不像 Python 一样“按对象传递”，所以这个解决方案不会修改原始变量 df，因此与大多数其他解决方案相比，需要的特定包的复杂知识要少得多。

请注意函数定义周围的括号！虽然对我来说似乎有点多余，因为函数定义被花括号包围，但是内联函数必须在括号中定义，以便使用 magrittr。

这是一种更灵活的解决方案。它适用于您的数据框有多大，或者使用0、zero或任何其他表示零的方式。

library(dplyr) # make sure dplyr ver is >= 1.00

df %>%
    mutate(across(everything(), na_if, 0)) # if 0 is indicated by `zero` then replace `0` with `zero`

如果您想在更改特定列（在此情况下为V3列）中的NAs后分配新名称，则可以像这样操作。

my.data.frame$the.new.column.name <- ifelse(is.na(my.data.frame$V3),0,1)

我个人使用过，效果很好：

players_wd$APPROVED_WD[is.na(players_wd$APPROVED_WD)] <- 0

在 data.frame 中，不需要通过 mutate 创建新列。

library(tidyverse)    
k <- c(1,2,80,NA,NA,51)
j <- c(NA,NA,3,31,12,NA)
        
df <- data.frame(k,j)%>%
   replace_na(list(j=0))#convert only column j, for example
    

结果

k   j
1   0           
2   0           
80  3           
NA  31          
NA  12          
51  0