? ? ? ?實際工作中，數據集很少是完整的，許多情況下樣本中都會包括若干缺失值NA，這在進行數據分析和挖掘時比較麻煩。?
R語言通過na.fail和na.omit可以很好地處理樣本中的缺失值。

na.fail（<向量a>）: 如果向量a內包括至少1個NA，則返回錯誤；如果不包括任何NA，則返回原有向量a

na.omit（<向量a>）: 返回刪除NA后的向量a

attr（ na.omit（<向量a>） ,”na.action”）: 返回向量a中元素為NA的下標

is.na：判斷向量內的元素是否為NA

example：

data<-c(1,2,NA,2,4,2,10,NA,9)
data.na.omit<-na.omit(data)
data.na.omit
? ? [1] ?1 ?2 ?2 ?4 ?2 ?10 ?9
? ? attr(,"na.action")
? ? [1] 3 8
? ? attr(,"class")
? ? [1] "omit"

attr(data.na.omit,"na.action")
? ? [1] 3 8
? ? attr(,"class")
? ? [1] "omit"

另外還可以使用!x方式方便地刪除NA。例如：

a<-c(1,2,3,NA,NA,2,NA,5)

a[!is.na(a)]

[1] 1 2 3 2 5?

? ? ? ?其中，is.na用于判斷向量內的元素是否為NA，返回結果：c(FALSE,FALSE,FALSE,TRUE,TRUE,FALSE,TRUE,FALSE)，即a內元素為NA，其對應的下標元素是TRUE，反之是FALSE。！x是取非邏輯運算符，!is.na（a）表示a內元素不為NA，其對應的下標元素是TRUE，反之是FALSE。通過a[!is.na（a）]進行索引后，即可取出a內不為NA的元素，將其過濾。

• 其中，函數na.fail和 na.omit 不僅可以應用于向量，也可以應用于矩陣和數據框。
  ?

example：

data <- read.table(text="
a b c d e f
NA 1 1 1 1 1
1 NA 1 1 1 1
1 1 NA 1 1 1
1 1 1 NA 1 1
1 1 1 1 NA 1
1 1 1 1 1 NA",header=T)
na.omit(data)
data
>[1] a b c d e f
<0 行> (或0-長度的row.names)

---------------------?
作者：SThranduil?
來源：CSDN?
原文：https://blog.csdn.net/SThranduil/article/details/71710283?
版權聲明：本文為博主原創文章，轉載請附上博文鏈接！

總結

以上是生活随笔為你收集整理的R语言：na.fail和na.omit的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。