如何在RStudio中查找分类/字符类型的缺失值？

字符型数据的缺失值检测 #

R里字符型的缺失值不止NA一种，常见的还有空字符串""，甚至有时候会出现字符串形式的"NA"，分情况处理：

• 检测原生NA：和数值型一样，直接用is.na()，它对字符型完全有效：

  char_vec <- c("apple", NA, "banana", "")
  is.na(char_vec)
  # 输出：FALSE  TRUE FALSE FALSE
  

• 检测空字符串""：直接用等于判断或者检查字符长度：

  # 直接判断空字符串
  char_vec == ""
  # 输出：FALSE FALSE FALSE  TRUE
  
  # 通过字符长度判断（空字符串长度为0）
  nchar(char_vec) == 0
  # 输出：FALSE FALSE FALSE  TRUE
  

• 同时检测NA和空字符串：用逻辑或|把两个条件合并：

  is.na(char_vec) | char_vec == ""
  # 输出：FALSE  TRUE FALSE  TRUE
  

• 处理字符串形式的"NA"：如果数据里把"NA"当成普通字符串存着，需要额外加判断：

  char_vec2 <- c("apple", "NA", "banana", "")
  # 覆盖三种缺失情况：NA、空字符串、"NA"字符串
  is.na(char_vec2) | char_vec2 == "" | char_vec2 == "NA"
  # 输出：FALSE  TRUE FALSE  TRUE
  

分类（factor）类型数据的缺失值检测 #

因子类型的缺失值就是原生的NA，直接用is.na()就能检测：

factor_vec <- factor(c("cat", "dog", NA, "bird"))
is.na(factor_vec)
# 输出：FALSE FALSE  TRUE FALSE

如果因子里把空字符串设为了合法水平，要同时检测NA和空水平：

factor_vec2 <- factor(c("cat", "", "dog"), levels = c("", "cat", "dog"))
is.na(factor_vec2) | factor_vec2 == ""
# 输出：FALSE  TRUE FALSE

批量处理数据框中的字符/分类列 #

要是想在数据框里批量处理所有字符和因子列的缺失值，两种方法可选：

基础R实现 #

df <- data.frame(
  num_col = c(1, NA, 3),
  char_col = c("x", "", NA),
  fact_col = factor(c("a", NA, "b"))
)

# 筛选出字符和因子列，批量检测缺失
sapply(df[, sapply(df, function(col) is.character(col) | is.factor(col))], 
       function(col) is.na(col) | (is.character(col) & col == ""))

dplyr实现 #

library(dplyr)

df %>%
  mutate(across(c(where(is.character), where(is.factor)), 
                ~ is.na(.) | (is.character(.) & . == "")))

内容的提问来源于stack exchange，提问作者franklin Wiese