《R數據科學實戰：工具詳解與案例分析 》 —2.3.4　replace_na / drop_na/—默認值處理工具

2.3.4　replace_na / drop_na/—默認值處理工具

一旦明確了默認值的替代方式，replace_na和drop_na兩個函數就可以通過對指定列的查詢來將NA替換成需要的數值，例如，去掉所有存在默認值的觀察值。表2-16中列出了函數的功能簡介及使用時應注意的事項。讀者可以參照幫助文檔中的例子結合表2-16中的提示來自行練習這兩個函數的功能。

表2-16　函數replace_na和drop_na對比

下面的代碼列出了如何使用兩個函數：

> df %>%

gather(key, value, -序號) %>%

separate(key, c("性別","key")) %>%

replace_na(list(value = "missing"))

> df %>%

gather(key, value, -序號) %>%

separate(key, c("性別","key")) %>%

drop_na()

這里必須提醒一下讀者關于默認值替換的情況，將所有默認值全部替換成0是很危險的行為，不推薦使用這種做法，因為0代表該數據是存在的，只是數值為0，而默認值則可能代表數據不存在和存在兩種情況，只是因為某些原因而導致數據采集失敗。因此對默認值的處理一定要視具體情況而定。

數據挖掘

版權聲明：本文內容由網絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發現本站中有涉嫌抄襲或描述失實的內容，請聯系我們jiasou666@gmail.com 處理，核實后本網站將在24小時內刪除侵權內容。

版權聲明：本文內容由網絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發現本站中有涉嫌抄襲或描述失實的內容，請聯系我們jiasou666@gmail.com 處理，核實后本網站將在24小時內刪除侵權內容。