Forma elegante de informar los valores faltantes en un data.frame

Question

Aquí hay un pequeño fragmento de código que escribí para informar las variables con valores perdidos de un marco de datos. Estoy tratando de pensar en una forma más elegante de hacer esto, uno que tal vez devuelve una hoja.de.datos, pero estoy atascado:

for (Var in names(airquality)) { 
    missing <- sum(is.na(airquality[,Var])) 
    if (missing > 0) { 
     print(c(Var,missing)) 
    } 
} 

Editar: estoy tratando con data.frames con docenas de cientos de variables, por lo que es clave que solo informemos variables con valores perdidos.

Answer 1

sólo tiene que utilizar sapply

> sapply(airquality, function(x) sum(is.na(x))) 
    Ozone Solar.R Wind Temp Month  Day 
    37  7  0  0  0  0 

También es posible usar apply o colSums en la matriz creada por is.na()

> apply(is.na(airquality),2,sum) 
    Ozone Solar.R Wind Temp Month  Day 
    37  7  0  0  0  0 
> colSums(is.na(airquality)) 
    Ozone Solar.R Wind Temp Month  Day 
    37  7  0  0  0  0 

Answer 2

Si desea hacerlo por la columna particular, entonces también puede utilizar este

length(which(is.na(airquality[1])==T)) 

Answer 3

Más succinct-: sum(is.na(x[1]))

Eso es

1. x[1] mirar a la primera columna

2. is.na() cierto si se trata de NA

3. sum()TRUE es 1, FALSE es 0

Answer 4

summary(airquality) 

ya se le da esta información

El VIM paquetes también ofrece algunas buenas trama de datos que falta para hoja.de.datos

library("VIM") 
aggr(airquality) 

Answer 5

Podemos utilizar map_df con purrr.

library(mice) 
library(purrr) 

# map_df with purrr 
map_df(airquality, function(x) sum(is.na(x))) 
# A tibble: 1 × 6 
# Ozone Solar.R Wind Temp Month Day 
# <int> <int> <int> <int> <int> <int> 
# 1 37  7  0  0  0  0 

Answer 6

Otra de las funciones que le ayudaría a mirar los datos faltantes sería df_status de la biblioteca funModeling

library(funModeling) 

iris.2 es el conjunto de datos del iris con un poco añadió NAs.You puede sustituir esto con su conjunto de datos.

df_status(iris.2) 

Esto le dará el número y el porcentaje de NA en cada columna.

Answer 7

Creo que la biblioteca de Amelia hace un buen trabajo al manejar los datos que faltan, también incluye un mapa para visualizar las filas que faltan.

install.packages("Amelia") 
library(Amelia) 
missmap(airquality) 

También puede ejecutar el siguiente código devolverá los valores lógicos de na

row.has.na <- apply(training, 1, function(x){any(is.na(x))}) 

Answer 8

Para una más solución gráfica, visdatpackage ofrece vis_miss.

library(visdat) 
vis_miss(airquality) 

muy similar a Amelia de salida con una pequeña diferencia de dar% s en missings fuera de la caja.

Answer 9

Otra alternativa gráfica - plot_missing función de excelente paquete DataExplorer:

Docs también señala que el hecho de que puede guardar este resultado para un análisis adicional con missing_data <- plot_missing(data).