为什么 summary(a_categorical_var) 不显示 "NA" 计数？

Question

我想检查我的数据集-航班，并使用summary()函数。

summary(flights["tailnum"])

结果：

   tailnum         
 Length:336776     
 Class :character  
 Mode  :character  

特别地，它并没有表明字符变量 tailnum 中是否有任何缺失值。

然而，当我使用 sum(is.na(flights$tailnum)) 时，它显示有缺失值。

[1] 2512

什么是检查分类变量的最佳函数 - 显示其级别、缺失值、总行数和每个级别的频率？

- Athenaj

---

如果您查看summary.default的源代码（它被summary.data.frame使用），它会特别查找数字数据中的NA，而不会在其他类别中查找。这是不一致的。您是否考虑编写自己的函数，作为summary的几乎副本，以便将其添加到输出中？ - r2evans

这似乎是不一致的（可能值得在r-devel上讨论）。我想其中一些原因是字符向量在统计分析中几乎从未被使用，除非首先（有时是隐式地）将它们转换为因子... - Ben Bolker

Answer 1

显然，对于字符变量，summary()方法不会报告NAs。（这似乎有点不一致，可能值得在[e-mail]邮件列表上报告/讨论...）

如果将变量转换为因子，并特别应用summary()，则会得到前98个级别的计数表（后跟一个“其他”类别和NA的数量）。

summary(factor(flights$tailnum))

如果你真的想要完整的制表：

tt <- table(flights$tailnum, useNA = "ifany")
print(tt)

尽管 length(tt) 是4044，告诉你有4043个不同的非NA值（+ NA 值）： head(table(tt)) 和 tail(table(tt)) 告诉你有数百个值只出现了几次，还有一些值出现了几百（或几千）次。

如果您正在使用tidyverse并希望将所有字符变量转换为因子：

flights %>% mutate(across(where(is.character), factor))

- Ben Bolker