为什么 summary( a_categorical_var) 不显示“NA”计数？

Question

我想检查我的数据集 - 航班，并使用summary() function。

summary(flights["tailnum"])

结果：

   tailnum         
 Length:336776     
 Class :character  
 Mode  :character  

特别是，它没有显示字符变量tailnum有任何 NA。

但是，当我使用sum(is.na(flights$tailnum))时，它显示它有 NA。

[1] 2512

什么是最好的 function 检查分类变量 - 显示其水平、缺失值、总行数和每个水平的频率？

Answer 1

显然，字符变量的summary()方法不报告 NA。 （这似乎有点不一致，可能值得在r-devel@r-project.org邮件列表上报告/讨论...）

如果您将变量转换为一个因子并专门对其应用summary() ，您将获得前 98 个级别的计数表（后跟“其他”类别和 NA 的数量）。

summary(factor(flights$tailnum))

如果你真的想要一个完整的表格：

tt <- table(flights$tailnum, useNA = "ifany")
print(tt)

虽然length(tt)是 4044，告诉你有 4043 个不同的非 NA 值（+ NA值）： head(table(tt))和tail(table(tt))告诉你有数百个值出现只有几次，以及出现数百（或数千）次的少数值。

如果您正在使用 tidyverse 并希望将所有字符变量转换为因子：

flights %>% mutate(across(where(is.character), factor))