Existe-t-il différents types de NA?

Question

J'utilise le package hochet pour effectuer un nettoyage de données et je considère la première variable X dans mon ensemble de données. Il signale, quand je fais dans le premier onglet, l'onglet "Données", j'obtiens quelques bases de l'ensemble de données et il dit que la variable X qui a 1243 valeurs manquantes. C'est aussi la valeur que j'obtiens si j'utilise sum(is.na(my_df[,1])).

Sur l'onglet suivant, l'onglet « Explorer », quand je vérifie « Résumé », il dit maintenant que je viens de 942 dans la variable X. NAs

Comment puis-je donne un sens à ces chiffres différents? J'ai manuellement parcouru un peu mon ensemble de données et j'ai regardé quelques lignes qui avaient des NA et ces NA se ressemblent tous (je comprends qu'il y a parfois différents types d'AN).

(question Side: sum(is.na(my_df[,1]), na.rm = FALSE) et sum(is.na(my_df[,1]),na.rm = TRUE) également les deux produisent le même nombre 1243, pourquoi je me serais attendu que l'on me donne length(my_df[,1])-1243?.)

---

EDIT est le jeu de données ici qui a ce problème : https://wetransfer.com/downloads/cf454b2c12857a4e3770102a7222422f20171019153755/516fb0. Les chiffres sont légèrement différents, au lieu de 1243, nous avons 88 NA selon l'onglet "Données" dans rattle() (ou, de manière équivalente, selon summary(ten_df)), et 62 NA selon le "Explore" avec l'onglet Résumé vérifié.

Mais maintenant je soupçonne que mon jeu de données est cassé parce qu'avant de télécharger le jeu complet, je voulais initialement télécharger seulement une colonne illustrative. Mais quand j'exécute

ten_df = read.csv("ten.csv",sep=";") 
my_df = as.data.frame(ten_df[,3]) 

que je veux regarder la troisième colonne avec var2 et my_df était ce que je voulais télécharger l'origine, la dernière commande renvoie une erreur

Warning messages: 
1: In rep(no, length.out = length(ans)) : 
    'x' is NULL so the result will be NULL 

En outre, lors de la sélection après my_df pour l'analyser avec hochet, hochet dit "0 variable d'entrée" dans la barre en bas où il donne un retour. Comment se peut-il?

Answer 1

?NA

NA est une constante logique de longueur 1, qui contient un indicateur valeur manquante. NA peut être contraint à tout autre type de vecteur sauf brut. Il y a des constantes aussi NA_integer_, NA_real_, NA_complex_ et NA_character_ des autres types de vecteurs atomiques qui prennent en charge les valeurs manquantes : tous ces éléments sont des mots réservés dans la langue de R.

class(NA)    # "logical" 
class(NA_integer_) # "integer" 
class(NA_real_)  # "numeric" 
class(NA_complex_) # "complex" 
class(NA_character_) # "character" 
is.na(NA)    # TRUE 
is.na(NA_integer_) # TRUE 
is.na(NA_real_)  # TRUE 
is.na(NA_complex_) # TRUE 
is.na(NA_character_) # TRUE 
identical(NA,NA_integer_) # FALSE 
identical(NA,NA_real_)  # FALSE 
identical(NA,NA_complex_) # FALSE 
identical(NA,NA_character_) # FALSE 
identical(NA_character_,as.character(NA)) # TRUE 
identical(NA_real_,as.numeric(NA))  # TRUE 
identical(as.logical(NA_real_),NA)  # TRUE 

Alors NA est un logical. Alors pourquoi utilisons-nous NA presque partout sans nous soucier de la classe?en raison des règles de coercition:

class(c(NA,1)[1])    # "numeric" 
identical(c(NA,1),c(NA_real_,1)) # TRUE 
c(NA_character_,1)    # [1] NA "1" 

Selon class, NA peut également être imprimé différemment

Revenons maintenant à votre question, je ne peux pas répondre à la première parce que vous offrez pas de données reproductibles, mais pour pourquoi sum(is.na(my_df[,1]), na.rm = FALSE) et sum(is.na(my_df[,1]),na.rm = TRUE), c'est parce que is.na(my_df[,1]) est seulement faite de TRUE et FALSE, pas NA s.

Vous pouvez également essayer length(na.omit(my_df[,1])).

EDIT:

Une colonne donnée d'un data.frame ne comporte que des éléments d'une classe, vous aurez donc pas différent NA_character_ et NA_real_ dans la même colonne.

Quelque chose qui arrive souvent cependant, c'est que vous aurez des chaînes dont la valeur est "NA", vous ne devriez pas attendre is.na pour les détecter. Dans ces cas, vous pouvez utiliser df[df == "NA"] <- NA avoir NA régulièrement s au lieu de "NA" chaînes dans votre data.frame