R语言中无NA的STRATEGY列处理后出现NA的原因及占比计算

可能导致STRATEGY列出现NA的原因 #

• 拆分时的空白/空字符串被误转NA：原STRATEGY列可能存在肉眼不可见的空白（如空格、制表符）或仅含逗号的空值，separate_rows拆分后生成空字符串，后续被统一转为NA；
• 宽长表转换的匹配偏差：使用pivot_wider时，若未指定values_fill参数，不同行的缺失匹配项会被填充为NA；
• 批量处理空值时的范围错误：处理STRENGH/WEAKNESS列的NA时，误将STRATEGY列纳入转换范围（比如用mutate_all(na_if, "")而非mutate_at(vars(STRENGH, WEAKNESS), na_if, "")）；
• 拆分分隔符的逻辑问题：若STRATEGY列的多选项用逗号+空格分隔（如"A, B, C"），separate_rows默认按逗号拆分后会生成带空格的选项，后续转宽时可能因匹配不上原类别产生NA。

针对性解决方案 #

1. 检查并清理原STRATEGY列的隐藏空白 #

先确认原数据中STRATEGY列的真实内容，排除空白/空字符串：

# 查看STRATEGY列的唯一值（含空白）
unique(df$STRATEGY)
# 清理空白并替换空字符串为有效标识（避免后续转NA）
df_clean <- df %>%
  mutate(STRATEGY = str_squish(STRATEGY)) %>% # 去除前后空格和中间多余空格
  mutate(STRATEGY = ifelse(STRATEGY == "", "无选择", STRATEGY)) # 空字符串替换为明确值

2. 修正多选项拆分与宽表转换逻辑 #

拆分时指定正确的分隔符，转宽时设置values_fill避免生成NA：

library(tidyr)
library(dplyr)

# 拆分多选项列（仅针对需要处理的列）
df_long <- df_clean %>%
  separate_rows(c(STRATEGY, STRENGH, WEAKNESS), sep = ",\\s*") # 匹配逗号+任意空格

# 转宽表时指定values_fill，避免缺失匹配项生成NA
df_wide <- df_long %>%
  pivot_wider(
    id_cols = c(ID, SCHOOL), # 保留核心标识列
    names_from = STRATEGY, # 按STRATEGY选项生成列
    values_from = STRATEGY,
    values_fn = length,
    values_fill = 0 # 缺失项填充0而非NA
  )

3. 精准处理指定列的NA #

仅针对STRENGH和WEAKNESS列转换空值为NA，不影响STRATEGY：

df_processed <- df_long %>%
  mutate_at(vars(STRENGH, WEAKNESS), ~na_if(., "")) # 仅处理指定列的空字符串为NA

4. 计算各学校类型的STRATEGY选项占比 #

在确保STRATEGY无异常NA后，按学校类型统计占比：

strategy_ratio <- df_processed %>%
  filter(!is.na(STRATEGY)) %>% # 过滤掉可能残留的NA（若有）
  group_by(SCHOOL, STRATEGY) %>%
  summarise(count = n()) %>%
  mutate(ratio = count / sum(count)) %>%
  ungroup()

验证方法 #

处理后检查STRATEGY列的NA数量：

sum(is.na(df_processed$STRATEGY))

内容的提问来源于stack exchange，提问作者Larissa Cury