如何将sapply计算的缺失值统计结果导出为CSV文件

步骤1：简化缺失值统计 #

原代码的sapply写法可以替换成更高效简洁的colSums(is.na(df_keep))，直接得到各列缺失值的计数向量：

# 一步计算各列缺失值数量
missing_vec <- colSums(is.na(df_keep))

步骤2：转换为数据框 #

根据需求可选两种数据框格式：

• 宽格式（一行展示所有变量）：转置向量后转换为数据框，适合快速查看所有变量的缺失情况

missing_df_wide <- as.data.frame(t(missing_vec))

输出结果：

var1 var2 var3 var4
1    0    1    1    1

• 长格式（每行一个变量）：把变量名和缺失数拆分为两列，更适合后续的统计分析或可视化

missing_df_long <- data.frame(
  变量名 = names(missing_vec),
  缺失值数量 = as.numeric(missing_vec)
)

输出结果：

变量名 缺失值数量
1  var1          0
2  var2          1
3  var3          1
4  var4          1

步骤3：导出为CSV文件 #

用write.csv()直接导出，设置row.names = FALSE避免导出多余的行号，指定fileEncoding = "UTF-8"保证中文显示正常：

# 导出宽格式文件
write.csv(missing_df_wide, "缺失值统计_宽格式.csv", row.names = FALSE, fileEncoding = "UTF-8")

# 导出长格式文件
write.csv(missing_df_long, "缺失值统计_长格式.csv", row.names = FALSE, fileEncoding = "UTF-8")

一步到位的简化写法 #

如果不需要单独保存中间变量，可以直接合并所有步骤：

write.csv(
  data.frame(
    变量名 = names(df_keep),
    缺失值数量 = colSums(is.na(df_keep))
  ),
  "缺失值统计.csv",
  row.names = FALSE,
  fileEncoding = "UTF-8"
)

内容的提问来源于stack exchange，提问作者four77