R 데이터 프레임에서 NA 값을 0으로 바꾸려면 어떻게 해야 합니까?
있고 에는 데터프있일열부은이 있습니다.NA가치.
교체방을 대체하려면 해야 합니까?NA0이 있는 값?
@gsk3 답변에서 제 의견을 참조하십시오.간단한 예:
> m <- matrix(sample(c(NA, 1:10), 100, replace = TRUE), 10)
> d <- as.data.frame(m)
V1 V2 V3 V4 V5 V6 V7 V8 V9 V10
1 4 3 NA 3 7 6 6 10 6 5
2 9 8 9 5 10 NA 2 1 7 2
3 1 1 6 3 6 NA 1 4 1 6
4 NA 4 NA 7 10 2 NA 4 1 8
5 1 2 4 NA 2 6 2 6 7 4
6 NA 3 NA NA 10 2 1 10 8 4
7 4 4 9 10 9 8 9 4 10 NA
8 5 8 3 2 1 4 5 9 4 7
9 3 9 10 1 9 9 10 5 3 3
10 4 2 2 5 NA 9 7 2 5 5
> d[is.na(d)] <- 0
> d
V1 V2 V3 V4 V5 V6 V7 V8 V9 V10
1 4 3 0 3 7 6 6 10 6 5
2 9 8 9 5 10 0 2 1 7 2
3 1 1 6 3 6 0 1 4 1 6
4 0 4 0 7 10 2 0 4 1 8
5 1 2 4 0 2 6 2 6 7 4
6 0 3 0 0 10 2 1 10 8 4
7 4 4 9 10 9 8 9 4 10 0
8 5 8 3 2 1 4 5 9 4 7
9 3 9 10 1 9 9 10 5 3 3
10 4 2 2 5 0 9 7 2 5 5
할 필요가 없습니다.apply. =)
편집
당신은 또한 그것을 살펴봐야 합니다.norm분석을 .누락된 데이터 분석에 적합한 기능이 많이 있습니다.=)
R 집합재할당보다 약더.dplyr 하이드옵션이제은 R 위재다보약당할집 30% ▁the다니릅%▁ared▁than빠▁now▁the▁dized▁around▁reassign▁subset더▁optionsply▁30▁r%▁hybrid약rs▁30▁baserply▁faster다이브.100M 데이터 포인트 데이터 프레임에서mutate_all(~replace(., is.na(.), 0)) R보다 0. 빠르게 됩니다.d[is.na(d)] <- 0선택.특히 피하고 싶은 것은 사용하는 것입니다.ifelse() 는또.if_else()은 주로 접근법을 에 4전체 결과는 아래의 벤치마크 분석을 참조하십시오.
대규모 데이터 프레임으로 인해 어려움을 겪고 있다면,data.table가장 빠른 옵션입니다. 표준 Base R 접근 방식보다 40% 더 빠릅니다.또한 데이터를 수정하여 거의 두 배의 데이터를 한 번에 처리할 수 있습니다.
다른 유용한 깔끔한 대체 접근 방식의 클러스터링
위치:
- 색인을 달다
mutate_at(c(5:10), ~replace(., is.na(.), 0)) - 직접 언급
mutate_at(vars(var5:var10), ~replace(., is.na(.), 0)) - 고정 매치
mutate_at(vars(contains("1")), ~replace(., is.na(.), 0))
- 는또대에신 에.
contains(), 시도ends_with(),starts_with()
- 패턴 매치
mutate_at(vars(matches("\\d{2}")), ~replace(., is.na(.), 0))
조건부:
(단일 유형만 변경하고 다른 유형은 그대로 둡니다.)
- 정수
mutate_if(is.integer, ~replace(., is.na(.), 0)) - 숫자들
mutate_if(is.numeric, ~replace(., is.na(.), 0)) - 줄들
mutate_if(is.character, ~replace(., is.na(.), 0))
##The Complete Analysis - Update for dplyr 0.8.0: 함수는 purr 형식 기호, 즉 사용되지 않는 인수 대체를 사용합니다.
###테스트된 접근 방식:
# Base R:
baseR.sbst.rssgn <- function(x) { x[is.na(x)] <- 0; x }
baseR.replace <- function(x) { replace(x, is.na(x), 0) }
baseR.for <- function(x) { for(j in 1:ncol(x))
x[[j]][is.na(x[[j]])] = 0 }
# tidyverse
## dplyr
dplyr_if_else <- function(x) { mutate_all(x, ~if_else(is.na(.), 0, .)) }
dplyr_coalesce <- function(x) { mutate_all(x, ~coalesce(., 0)) }
## tidyr
tidyr_replace_na <- function(x) { replace_na(x, as.list(setNames(rep(0, 10), as.list(c(paste0("var", 1:10)))))) }
## hybrid
hybrd.ifelse <- function(x) { mutate_all(x, ~ifelse(is.na(.), 0, .)) }
hybrd.replace_na <- function(x) { mutate_all(x, ~replace_na(., 0)) }
hybrd.replace <- function(x) { mutate_all(x, ~replace(., is.na(.), 0)) }
hybrd.rplc_at.idx<- function(x) { mutate_at(x, c(1:10), ~replace(., is.na(.), 0)) }
hybrd.rplc_at.nse<- function(x) { mutate_at(x, vars(var1:var10), ~replace(., is.na(.), 0)) }
hybrd.rplc_at.stw<- function(x) { mutate_at(x, vars(starts_with("var")), ~replace(., is.na(.), 0)) }
hybrd.rplc_at.ctn<- function(x) { mutate_at(x, vars(contains("var")), ~replace(., is.na(.), 0)) }
hybrd.rplc_at.mtc<- function(x) { mutate_at(x, vars(matches("\\d+")), ~replace(., is.na(.), 0)) }
hybrd.rplc_if <- function(x) { mutate_if(x, is.numeric, ~replace(., is.na(.), 0)) }
# data.table
library(data.table)
DT.for.set.nms <- function(x) { for (j in names(x))
set(x,which(is.na(x[[j]])),j,0) }
DT.for.set.sqln <- function(x) { for (j in seq_len(ncol(x)))
set(x,which(is.na(x[[j]])),j,0) }
DT.nafill <- function(x) { nafill(df, fill=0)}
DT.setnafill <- function(x) { setnafill(df, fill=0)}
###이 분석의 코드:
library(microbenchmark)
# 20% NA filled dataframe of 10 Million rows and 10 columns
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))
# Running 600 trials with each replacement method
# (the functions are excecuted locally - so that the original dataframe remains unmodified in all cases)
perf_results <- microbenchmark(
hybrd.ifelse = hybrd.ifelse(copy(dfN)),
dplyr_if_else = dplyr_if_else(copy(dfN)),
hybrd.replace_na = hybrd.replace_na(copy(dfN)),
baseR.sbst.rssgn = baseR.sbst.rssgn(copy(dfN)),
baseR.replace = baseR.replace(copy(dfN)),
dplyr_coalesce = dplyr_coalesce(copy(dfN)),
tidyr_replace_na = tidyr_replace_na(copy(dfN)),
hybrd.replace = hybrd.replace(copy(dfN)),
hybrd.rplc_at.ctn= hybrd.rplc_at.ctn(copy(dfN)),
hybrd.rplc_at.nse= hybrd.rplc_at.nse(copy(dfN)),
baseR.for = baseR.for(copy(dfN)),
hybrd.rplc_at.idx= hybrd.rplc_at.idx(copy(dfN)),
DT.for.set.nms = DT.for.set.nms(copy(dfN)),
DT.for.set.sqln = DT.for.set.sqln(copy(dfN)),
times = 600L
)
###결과 요약
> print(perf_results) Unit: milliseconds expr min lq mean median uq max neval hybrd.ifelse 6171.0439 6339.7046 6425.221 6407.397 6496.992 7052.851 600 dplyr_if_else 3737.4954 3877.0983 3953.857 3946.024 4023.301 4539.428 600 hybrd.replace_na 1497.8653 1706.1119 1748.464 1745.282 1789.804 2127.166 600 baseR.sbst.rssgn 1480.5098 1686.1581 1730.006 1728.477 1772.951 2010.215 600 baseR.replace 1457.4016 1681.5583 1725.481 1722.069 1766.916 2089.627 600 dplyr_coalesce 1227.6150 1483.3520 1524.245 1519.454 1561.488 1996.859 600 tidyr_replace_na 1248.3292 1473.1707 1521.889 1520.108 1570.382 1995.768 600 hybrd.replace 913.1865 1197.3133 1233.336 1238.747 1276.141 1438.646 600 hybrd.rplc_at.ctn 916.9339 1192.9885 1224.733 1227.628 1268.644 1466.085 600 hybrd.rplc_at.nse 919.0270 1191.0541 1228.749 1228.635 1275.103 2882.040 600 baseR.for 869.3169 1180.8311 1216.958 1224.407 1264.737 1459.726 600 hybrd.rplc_at.idx 839.8915 1189.7465 1223.326 1228.329 1266.375 1565.794 600 DT.for.set.nms 761.6086 915.8166 1015.457 1001.772 1106.315 1363.044 600 DT.for.set.sqln 787.3535 918.8733 1017.812 1002.042 1122.474 1321.860 600
###결과 상자 그림
ggplot(perf_results, aes(x=expr, y=time/10^9)) +
geom_boxplot() +
xlab('Expression') +
ylab('Elapsed Time (Seconds)') +
scale_y_continuous(breaks = seq(0,7,1)) +
coord_flip()
시행의 색상 코드 산점도(로그 척도에 y축 표시)
qplot(y=time/10^9, data=perf_results, colour=expr) +
labs(y = "log10 Scaled Elapsed Time per Trial (secs)", x = "Trial Number") +
coord_cartesian(ylim = c(0.75, 7.5)) +
scale_y_log10(breaks=c(0.75, 0.875, 1, 1.25, 1.5, 1.75, seq(2, 7.5)))
다른 고성능 제품에 대한 참고 사항
데이터 세트가 커지면 Tidyr's는replace_na역사적으로 앞으로 철수했습니다.현재 실행해야 하는 100M개의 데이터 포인트 컬렉션에서는 루프에 대한 기본 R만큼 정확하게 수행됩니다.다양한 크기의 데이터 프레임에서 어떤 일이 발생하는지 궁금합니다.
에대 예가제에 대한 mutate그리고.summarize _at그리고._all함수 변형은 다음에서 확인할 수 있습니다: https://rdrr.io/cran/dplyr/man/summarise_all.html 추가로 유용한 데모와 예제 모음을 찾았습니다. https://blog.exploratory.io/dplyr-0-5-is-awesome-heres-why-be095fd4eb8a
귀인 및 감사
특별한 감사를 표합니다.
- Tyler Lincer와 Akrun은 마이크로 벤치마크를 시연했습니다.
- 사용법을 이해하는 데 도움을 준 alexis_message
local()그리고 (프랭크의 인내심 있는 도움으로) 침묵의 강요가 이러한 접근법의 많은 속도를 높이는 역할을 합니다. - 아서 엽은 새로운 것을 추가하기 위해 포케를 했습니다.
coalesce()기능을 수행하고 분석을 업데이트합니다. - 그레고르는 그것을 알아내려고 노력했습니다.
data.table최종적으로 라인업에 포함시킬 수 있을 정도로 기능이 뛰어납니다. - 루프에 대한 기본 R: 알렉시스_레슬링
- data.loops용 테이블: 맷 돌
- 이 무슨 말인지 요.
is.numeric()진짜 시험.
(물론, 그러한 접근법이 유용하다고 생각되는 경우에도 연락하여 투표를 포기하십시오.)
숫자 사용에 대한 참고:순수 정수 데이터 집합이 있으면 모든 기능이 더 빠르게 실행됩니다.자세한 내용은 alexiz_laz의 작업을 참조하십시오.IRL, 정수가 10-15%를 초과하는 데이터 집합을 본 기억이 없어서 완전한 숫자 데이터 프레임에 대해 이러한 테스트를 실행하고 있습니다.
사용된 하드웨어 3.9GHz CPU(24GB RAM)
단일 벡터의 경우:
x <- c(1,2,NA,4,5)
x[is.na(x)] <- 0
data.frame 경우의, 위함를만들고,apply그것을 열까지.
다음 번에는 여기에 자세히 설명된 대로 재현 가능한 예를 제공하십시오.
R 재현 가능한 훌륭한 예제를 만드는 방법은 무엇입니까?
dplyr 예제:
library(dplyr)
df1 <- df1 %>%
mutate(myCol1 = if_else(is.na(myCol1), 0, myCol1))
참고: 이는 선택한 열당 작동합니다. 모든 열에 대해 이 작업을 수행해야 할 경우 mutate_each를 사용한 @reidjax의 답변을 참조하십시오.
가 하려경우는체를 대체하려고 .NA를 내보낼 를 들어 csv에 쓸는 다음과같이 할 수 있습니다. s 내 보 낼 에 를 csv 쓸 사 을 용 할 있 수 니 습 다 다 음 때 예 때 를 어 들 ▁s : 다
write.csv(data, "data.csv", na = "0")
또한사수있다니습할용다를 사용하는 것도 합니다.tidyr::replace_na.
library(tidyr)
df <- df %>% mutate_all(funs(replace_na(.,0)))
편집(dplyr > 1.0.0):
df %>% mutate(across(everything(), .fns = ~replace_na(.,0)))
질문에 이미 답했다는 것은 알고 있지만, 이러한 방식으로 하는 것이 일부에게는 더 유용할 수 있습니다.
이 기능을 정의합니다.
na.zero <- function (x) {
x[is.na(x)] <- 0
return(x)
}
이제 벡터의 NA를 0으로 변환해야 할 때마다 다음을 수행할 수 있습니다.
na.zero(some.vector)
방법사를 사용하는 더 replace()에서 체할행또벡터를 할 수 .NA0
예:
> x <- c(1,2,NA,NA,1,1)
> x1 <- replace(x,is.na(x),0)
> x1
[1] 1 2 0 0 1 1
이것은 또한 사용에 대한 대안입니다.ifelse()dplyr
df = data.frame(col = c(1,2,NA,NA,1,1))
df <- df %>%
mutate(col = replace(col,is.na(col),0))
와 함께dplyr0.5.0을 사용할 수 있습니다.coalesce에게통합수쉽에 될 수 있는 %>%을 하여 파이프라인을 .coalesce(vec, 0)은 의모를 NA 다니대에 있는 를 대체합니다.vec0과 함께:
예를어데프에임레가 있는 데이터 이 있다고 .NAs:
library(dplyr)
df <- data.frame(v = c(1, 2, 3, NA, 5, 6, 8))
df
# v
# 1 1
# 2 2
# 3 3
# 4 NA
# 5 5
# 6 6
# 7 8
df %>% mutate(v = coalesce(v, 0))
# v
# 1 1
# 2 2
# 3 3
# 4 0
# 5 5
# 6 6
# 7 8
데이터 프레임의 모든 NA를 교체하려면 다음을 사용할 수 있습니다.
df %>% replace(is.na(.), 0)
@ianmunoz의 게시물에 댓글을 달았을 텐데, 저는 충분한 평판이 없습니다.할합수있다니습결다를 조합할 수 .dplyr의mutate_each그리고.replace처하기위해를 NA0@에서 얻은 데이터 하여...@aL3xa의 응답 데이터 프레임을 사용하는 중...
> 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 4 8 1 9 6 9 NA 8 9 8
2 8 3 6 8 2 1 NA NA 6 3
3 6 6 3 NA 2 NA NA 5 7 7
4 10 6 1 1 7 9 1 10 3 10
5 10 6 7 10 10 3 2 5 4 6
6 2 4 1 5 7 NA NA 8 4 4
7 7 2 3 1 4 10 NA 8 7 7
8 9 5 8 10 5 3 5 8 3 2
9 9 1 8 7 6 5 NA NA 6 7
10 6 10 8 7 1 1 2 2 5 7
> d %>% mutate_each( funs_( interp( ~replace(., is.na(.),0) ) ) )
V1 V2 V3 V4 V5 V6 V7 V8 V9 V10
1 4 8 1 9 6 9 0 8 9 8
2 8 3 6 8 2 1 0 0 6 3
3 6 6 3 0 2 0 0 5 7 7
4 10 6 1 1 7 9 1 10 3 10
5 10 6 7 10 10 3 2 5 4 6
6 2 4 1 5 7 0 0 8 4 4
7 7 2 3 1 4 10 0 8 7 7
8 9 5 8 10 5 3 5 8 3 2
9 9 1 8 7 6 5 0 0 6 7
10 6 10 8 7 1 1 2 2 5 7
를하고 있기 기에서표평에가를준여는합그니다때어야문에밑을줄기사용하에."▁"core여▁we합▁unders다▁on니▁the▁eval)se▁we▁(uation▁which▁standard)"에 밑줄이 필요합니다.funs_사용하기도 합니다.lazyeval의interp/~ 리고그고.."우리가 작업하는 모든 것", 즉 데이터 프레임을 참조합니다.이제 0이 있습니다!
귀책자를 사용한 다른 예TS 패키지:
library(imputeTS)
na.replace(yourDataframe, 0)
기능, 전용기능,,nafill그리고.setnafill은 그런목으로에 .data.table사용 가능할 때마다 여러 스레드에서 계산할 열을 배포합니다.
library(data.table)
ans_df <- nafill(df, fill=0)
# or even faster, in-place
setnafill(df, fill=0)
요인 변수의 NA를 대체하려는 경우 다음과 같은 방법이 유용할 수 있습니다.
n <- length(levels(data.vector))+1
data.vector <- as.numeric(data.vector)
data.vector[is.na(data.vector)] <- n
data.vector <- as.factor(data.vector)
levels(data.vector) <- c("level1","level2",...,"leveln", "NAlevel")
요인-벡터를 숫자 벡터로 변환하고 다른 인위적 숫자 요인 수준을 추가한 다음 선택한 "NA-수준"이 하나 더 있는 요인-벡터로 다시 변환됩니다.
dplyr >= 1.0.0
의 신버전에서dplyr:
cross ()는 summary_at(),summary_if(), 및 summary_all().와 같은 "범위가 있는 변형" 군을 대체합니다.
df <- data.frame(a = c(LETTERS[1:3], NA), b = c(NA, 1:3))
library(tidyverse)
df %>%
mutate(across(where(anyNA), ~ replace_na(., 0)))
a b
1 A 0
2 B 1
3 C 2
4 0 3
이 코드는 강제로 적용됩니다.0첫 번째 열에 있는 문자입니다.대할내용을 NA열 유형을 기준으로 Purr과 같은 공식을 사용할 수 있습니다.where:
df %>%
mutate(across(where(~ anyNA(.) & is.character(.)), ~ replace_na(., "0")))
라이브러리를 사용할 필요가 없습니다.
df <- data.frame(a=c(1,3,5,NA))
df$a[is.na(df$a)] <- 0
df
사용할 수 있습니다.replace()
예:
> x <- c(-1,0,1,0,NA,0,1,1)
> x1 <- replace(x,5,1)
> x1
[1] -1 0 1 0 1 0 1 1
> x1 <- replace(x,5,mean(x,na.rm=T))
> x1
[1] -1.00 0.00 1.00 0.00 0.29 0.00 1.00 1.00
그cleaner에 패지가있다가 있습니다.na_replace()일반적으로, 기본적으로 숫자 값을 0으로 대체하고 논리는FALSE오늘 날짜 등:
library(dplyr)
library(cleaner)
starwars %>% na_replace()
na_replace(starwars)
벡터화된 대체 기능도 지원합니다.
mtcars[1:6, c("mpg", "hp")] <- NA
na_replace(mtcars, mpg, hp, replacement = c(999, 123))
설명서: https://msberends.github.io/cleaner/reference/na_replace.html
하나의 른다.dplyr - 파프 옵션 환이호tidyr 법replace_na여러 열에 대해 작동합니다.
require(dplyr)
require(tidyr)
m <- matrix(sample(c(NA, 1:10), 100, replace = TRUE), 10)
d <- as.data.frame(m)
myList <- setNames(lapply(vector("list", ncol(d)), function(x) x <- 0), names(d))
df <- d %>% replace_na(myList)
숫자 열로 쉽게 제한할 수 있습니다.
d$str <- c("string", NA)
myList <- myList[sapply(d, is.numeric)]
df <- d %>% replace_na(myList)
Datacamp에서 추출한 이 간단한 함수는 다음과 같은 이점이 있습니다.
replace_missings <- function(x, replacement) {
is_miss <- is.na(x)
x[is_miss] <- replacement
message(sum(is_miss), " missings replaced by the value ", replacement)
x
}
그리고나서
replace_missings(df, replacement = 0)
을 쓰는 쉬운 은 쓰기쉬방다같다습니과음은법운다와 함께 쓰는 것입니다.if_nahablar:
library(dplyr)
library(hablar)
df <- tibble(a = c(1, 2, 3, NA, 5, 6, 8))
df %>%
mutate(a = if_na(a, 0))
다음을 반환합니다.
a
<dbl>
1 1
2 2
3 3
4 0
5 5
6 6
7 8
데이터 프레임에서 is.na 및 NULL을 바꿉니다.
- 열이 있는 데이터 프레임
A$name[is.na (A$name)]<-0
OR
A$name[is.na (A$name)]<-"NA"
- 모든 데이터 프레임 사용
df[is.na (df)]<-0
- 데이터 프레임에 공백이 있는 replace na를 사용합니다.
df[is.na (df)]<-""
- NULL을 NA로 대체
df[is.null(df)] <- NA
이 경우 열 V3의 특정 열에서 NA를 변경한 후 새 이름을 할당하려면 다음과 같이 할 수 있습니다.
my.data.frame$the.new.column.name <- ifelse(is.na(my.data.frame$V3),0,1)
저는 인기 있는 패키지를 사용하는 다음 솔루션을 추가하고 싶습니다.
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*
모든 귀속 메타데이터가 속성으로 할당되는 것을 알 수 있었습니다.따라서 나중에 사용할 수 있습니다.
이것이 정확히 새로운 해결책은 아니지만, 저는 패키지로 처리할 수 없는 것들을 처리하는 인라인 람다를 쓰는 것을 좋아합니다.이 경우에는,
df %>%
(function(x) { x[is.na(x)] <- 0; return(x) })
볼 수 에, 이 솔루션은 변수 R은 Python을 .df대부분의 다른 솔루션과 동일한 작업을 수행할 수 있지만 특정 패키지에 대한 복잡한 지식이 훨씬 덜 필요합니다.
함수 정의 주변의 괄호를 확인합니다!되는 것 , brace로 둘러싸여 있기 내에서 .magrittr.
이것은 더 유연한 솔루션입니다.은 데터프레크상작니관.0은다같표다니됩시이로 됩니다.0또는zero또는 그 무엇이든.
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`
을 사용하는 다른 sapply 것을 NA한 코드입니다.다음은 재현 가능한 코드(@aL3xa의 데이터)입니다.
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
reprex v2.0.2를 사용하여 2023-01-15에 생성됨
참고:R 4.1.0 이후 사용 가능합니다.\(x)에 function(x).
은 다옵션다같다니습과음은을 사용하는 것입니다.collapse::replace_NA기적으로본,replace_NANA를 0으로 대체합니다.
library(collapse)
replace_NA(df)
일부 열에 대해서만:
replace_NA(df, cols = c("V1", "V5"))
#Alternatively, one can use a function, indices or a logical vector to select the columns
또한 다른 답변보다 빠릅니다(비교는 다음 답변 참조).
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
data.frame에서는 돌연변이를 통해 새 열을 생성할 필요가 없습니다.
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
결과
k j
1 0
2 0
80 3
NA 31
NA 12
51 0
나는 이것을 개인적으로 사용했고 잘 작동합니다.
players_wd$APPROVED_WD[is.na(players_wd$APPROVED_WD)] <- 0
언급URL : https://stackoverflow.com/questions/8161836/how-do-i-replace-na-values-with-zeros-in-an-r-dataframe
'codememo' 카테고리의 다른 글
| 동등한 Postgre는 무엇입니까?Oracle의 CONNECT BY ... 시작 위치에 대한 SQL 구문? (0) | 2023.06.12 |
|---|---|
| 루비로 무한을 표현하는 방법은? (0) | 2023.06.12 |
| PL/SQL 로깅 - 제어 방법 (0) | 2023.06.12 |
| 하나의 숫자가 들어 있는 영숫자 이기종 문자열의 MySQL 열, 해당 숫자를 기준으로 정렬 (0) | 2023.06.12 |
| 문자열에서 HTML 태그를 제거하는 Python 코드 (0) | 2023.06.12 |