从数据集中的特定列中删除 N/A 值

Question

抱歉，如果这是重复的，我已经搜索了高低，找不到适合我的东西。 我对 R 也很陌生，所以希望我能正确解释自己。

我有一个关于视频游戏数据的数据集，看起来像这样

Game          Platform    Year of Release   Genre

Wii Sports    Wii          2006             Sports
Wii Sports    Wii          N/A              Sports
Wii Sports    Wii          2006             Sports
Wii Sports    Wii          N/A              Sports
Wii Sports    Wii          2006             Sports
Wii Sports    Wii          2006             Sports
Wii Sports    Wii          N/A              Sports
Wii Sports    Wii          2006             Sports

我正在尝试从“发布年份”列中删除具有 N/A 值的行。 有一段时间我在尝试诸如 na.omit() 之类的东西，但这没有用。 然后我意识到 N/A 被烘焙到 original.csv 中，所以这可以使 R 将它们视为字符串。 然后我尝试了 grepl function ，这也没有用。 有人有什么想法吗？

如果您需要任何进一步的信息，请告诉我。

谢谢！

编辑：实际数据集可在此处免费获得，我可能最初应该链接此： https://www.kaggle.com/rush4ratio/video-game-sales-with-ratings?select=Video_Games_Sales_as_at_22_Dec_2016.Z628CB5675FF524F3F3E719B7AA2E8

如果有人能够从该数据集的 Year_of_Release 列中删除具有 N/A 值的行并解释他们是如何做到的，我将非常感激，再次感谢！

Answer 1

以下面创建的玩具数据集为例，我将向您展示如何在逻辑条件下将数据子集化为特定的行/观察。

df <- data.frame(name=c("a","b","c"), 
             year = c(2014, "N/A", 2015))

我们可以使用不等于逻辑运算符来测试变量year的每个元素是否不是N/A !=

df$year != "N/A"

该向量可用于确定要返回的数据行。 该向量在方括号内表示为i of df[i,j] ，其中i确定 data.frame df中观察的顺序或子集， j是要返回的变量/列（空白返回所有变量）。

df[df$year != "N/A", ]

请注意，如果您的变量名称（发布年份）中有空格，则需要将其包装在反引号（ ``` ）中，如果您有实际的NA值，请使用is.na() function 和! 运算符来反转逻辑。

Answer 2

如果您使用提供方法drop_na的tidyverse ，这是一个优雅的解决方案，该方法非常易于阅读。 我刚刚将您的变量更改为Year_of_Release

library(tidyverse)

data= data.frame("Game" = c("Wii Sports ", "Wii Sports ","Wii Sports ","Wii Sports ","Wii Sports ","Wii Sports ","Wii Sports ","Wii Sports "),
                  "Platform" =c("Wii","Wii","Wii","Wii","Wii","Wii","Wii", "Wii"),
                  "Year_of_Release" = c(2006, NA, 2006, NA, 2006, 2006, NA, 2006),
                  "Genre"=c("Sports","Sports","Sports","Sports","Sports","Sports","Sports","Sports"))

data %>% drop_na("Year_of_Release")

           Game Platform Year_of_Release  Genre
1 Wii Sports       Wii            2006 Sports
2 Wii Sports       Wii            2006 Sports
3 Wii Sports       Wii            2006 Sports
4 Wii Sports       Wii            2006 Sports
5 Wii Sports       Wii            2006 Sports 

或者

data %>% drop_na(Year_of_Release) # if Year_of_Release is the column name

重要在 R 中， N/A不被视为Lukasz.建议的NA 。 在尝试此操作之前，应将其转换为NA 。

使用read.table/read.csv读取数据时，使用na.strings指定将是NA.

 data<-read.csv('file.csv', na.strings = "N/A")

Answer 3

您可以让R像实际NA一样对待"N/A" ：

mydata<-read.csv('file.csv', na.strings = c("N/A"))

然后像往常一样使用na.omit() 。

Answer 4

我会先用na_if用实际的 NA 替换这个“NA 字符串”，然后用.is.na(variable)过滤

df %>% na_if("N/A") %>% filter(!is.na(Year_of_Release))

         Game Platform Year_of_Release  Genre
1 Wii Sports       Wii            2006 Sports
2 Wii Sports       Wii            2006 Sports
3 Wii Sports       Wii            2006 Sports
4 Wii Sports       Wii            2006 Sports
5 Wii Sports       Wii            2006 Sports

数据

structure(list(Game = c("Wii Sports ", "Wii Sports ", "Wii Sports ", 
"Wii Sports ", "Wii Sports ", "Wii Sports ", "Wii Sports ", "Wii Sports "
), Platform = c("Wii", "Wii", "Wii", "Wii", "Wii", "Wii", "Wii", 
"Wii"), Year_of_Release = c("2006", "N/A", "2006", "N/A", "2006", 
"2006", "N/A", "2006"), Genre = c("Sports", "Sports", "Sports", 
"Sports", "Sports", "Sports", "Sports", "Sports")), class = "data.frame", row.names = c(NA, 
-8L))