在R中导入SPSS文件时将自定义缺失值转为NA的方法

核心问题说明 #

你之前用user_na = FALSE无效，是因为这个参数仅处理SPSS官方定义的用户缺失值（即SPSS中通过「缺失值」功能标记的值）。如果你的数据里只是用特定数值/日期作为缺失编码、但未在SPSS中标记为缺失值，就需要针对性处理。

方案1：SPSS已标记官方用户缺失值 #

如果这些自定义缺失值已经在SPSS里被设置为「用户缺失值」，直接用haven配合labelled包批量转NA：

library(haven)
library(labelled)

# 导入时保留SPSS的缺失值标记
df <- read_sav("/path/to/file.sav", user_na = TRUE)

# 批量将所有用户缺失值转为NA
df <- df %>% mutate_all(remove_user_na)

方案2：仅用特定编码表示缺失（未在SPSS标记） #

针对不同类型变量的自定义缺失值，导入后批量替换：

library(haven)
library(dplyr)
library(lubridate)

# 导入原始数据
df <- read_sav("/path/to/file.sav")

### 1. 处理日期变量
# 筛选所有日期类型的列
date_cols <- which(sapply(df, function(x) inherits(x, c("Date", "POSIXct"))))
df[, date_cols] <- lapply(df[, date_cols], function(x) {
  x[x == ymd("8888-08-08") | x == ymd("9999-09-09")] <- NA
  x
})

### 2. 处理ICD-10编码变量
# 筛选名称含"ICD"的列（可根据实际列名调整）
icd_cols <- grep("ICD", names(df), ignore.case = TRUE)
df[, icd_cols] <- lapply(df[, icd_cols], function(x) {
  x[x %in% c(77777, 88888, 99999)] <- NA
  x
})

### 3. 处理其他数值型变量的自定义缺失值
other_num_cols <- setdiff(which(sapply(df, is.numeric)), c(date_cols, icd_cols))
df[, other_num_cols] <- lapply(df[, other_num_cols], function(x) {
  x[x %in% c(66, 77, 88, 99)] <- NA
  x
})

补充提示 #

• 若不确定列的类型或缺失值分布，可先运行str(df)查看数据结构，或用table(df$目标列名)确认值范围。
• 针对单个变量，也可以用dplyr::mutate()结合case_when()做更精细的替换，比如：

  df <- df %>% mutate(
    某变量名 = case_when(
      某变量名 %in% c(66,77,88,99) ~ NA_real_,
      TRUE ~ 某变量名
    )
  )
  

内容的提问来源于stack exchange，提问作者Bren