如何在R语言中检查数据列中的NaN值？

Question

我是Python用户，正在学习R。

经常需要检查数据框列中是否包含NaN。

在Python中，我可以简单地执行以下操作：

import pandas as pd
df = pd.DataFrame({'colA': [1,   2,   None, 3], 
                   'colB': ['A', 'B', 'C', 'D']})
df.isna().any()

给我

colA   True
colB   False
dtype: bool

我在R中遇到了困难，找不到一个简单的解决方案。人们提到了一些类似于"apply"的方法，但对于这样一个基本的任务来说，似乎过于复杂。我找到的最接近的解决方案是这个：

library(tidyverse)
df = data.frame(colA = c(1, 2, NA, 3), colB = c('A', 'B', 'C', 'D'))
!complete.cases(t(df))

提供

[1] TRUE   FALSE

这还好，但我看不到列名。如果数据框有50个列，我就不知道哪个有NaN值。

有更好的R解决方案吗？

- user2743931

---

应用类函数有什么问题？ - RSale

NA和NaN之间有区别。 - Hong Ooi

如果您需要将此检查作为函数的一部分，请尝试使用 vapply：vapply(df, anyNA, FUN.VALUE = logical(1))。FUN.VALUE 指定您期望的结果 - 在这里是每列长度为 1 的逻辑向量。 - markus

Answer 1

您可以使用 anyNA() 函数：用于在向量中检查缺失值。

df = data.frame(colA = c(1, 2, NA, 3), colB = c('A', 'B', 'C', 'D'))
sapply(df, anyNA)

colA  colB 
TRUE FALSE 

编辑

jay.sf 是正确的。这将检查 NaN。

df = data.frame(colA = c(1, 2, NA, 3), colB = c('A', 'B', 'C', 'D'))

anyNAN <- function(x) {
  any(is.nan(x))
}

sapply(df, anyNAN)

- RSale

---

不知道任何NA，好的，+1 - GuedesBF

等同于 apply(df, 2, anyNA)。 - Maël

由于要求涉及到“NaN”，因此一个答案应该简要地解释一下，例如is.nan(NA)，is.na(NaN)。 - jay.sf

@Maël；在这种情况下，是的，但最好不要在数据框上使用apply，因为它会强制转换为矩阵，如果数据中有任何因子或字符列，这显然是一个问题。 - user20650

非常感谢。我之前也不知道有anyNA这个函数。我查找的其他参考资料中没有提到过这个函数。 - user2743931

Answer 2

检查列中是否存在NA值的最佳方法是对列应用循环和一个检查是否有any(is.na)的函数。

lapply(df, function(x) any(is.na(x)))

$colA
[1] TRUE

$colB
[1] FALSE

我看到你加载了tidyverse，但在示例中没有使用它。如果我们想要在tidyverse中完成这个任务，可以使用purrr：

library(purrr)

df %>% map(~any(is.na(.x)))

或使用dplyr：

library(dplyr)

df %>% summarise(across(everything(), ~any(is.na(.x))))

  colA  colB
1 TRUE FALSE

- GuedesBF

---

dplyr的解决方案缺少几个闭括号 - df ％>% summarise(across(everything(), ~any(is.na(.x)))) - CallumH

感谢CallumH提供支持。已纠正错误。 - GuedesBF

Answer 3

最简单的方法是：

df = data.frame(colA = c(1, 2, NA, 3), colB = c('A', 'B', 'C', 'D'))

is.na(df)

输出：

      colA  colB
[1,] FALSE FALSE
[2,] FALSE FALSE
[3,]  TRUE FALSE
[4,] FALSE FALSE

更新，如果您只想查看包含NA的行：

> df[rowSums(is.na(df)) > 0,]

  colA colB
3   NA    C

更新2，或者只获取具有关于NA信息的ColNames（感谢RSale提供的anyNA）：

> lapply(df, anyNA)
$colA
[1] TRUE

$colB
[1] FALSE

- Marco_CH

---

不知道 anyNA，不错，加一 - GuedesBF

从RSales的答案中得到了anyNA，但我更喜欢使用lapply。所以请也给他点赞 :-) - Marco_CH

哦，我明白了。我也这么做过。 - GuedesBF