为何na.rm=TRUE无法移除数据集缺失值？如何使其生效？

关键差异：na.rm=TRUE 和 na.omit() 完全是两回事 #

• na.rm=TRUE 只是在计算统计量时临时跳过缺失值，不会对原数据集做任何修改，缺失值依然留在数据里。你用它跑summary，只是均值、中位数这些指标是忽略NA算出来的，但数据集本身的NA数量没变，所以summary结果里还是会显示有104个NA。
• na.omit(data) 是直接删除数据集中所有包含NA的行，会生成一个没有缺失值的新数据集（或者覆盖原数据集），之后的所有操作都是基于这个干净的数据集，所以summary里看不到NA，统计量也和之前不一样——因为样本量少了那些含NA的行。

要移除数据集里的NA，你可以这么做 #

如果你想实现「移除缺失值」的效果（而不是只在计算时忽略），不需要依赖na.rm=TRUE，直接筛选掉有NA的行就行：

基础R写法 #

# 先把负值转成NA
edu2018$mathtest[edu2018$mathtest < 0] <- NA
# 筛选出mathtest列非NA的行，生成干净数据集
edu2018_clean <- edu2018[!is.na(edu2018$mathtest), ]
# 查看结果
summary(edu2018_clean$mathtest)

dplyr包写法（更简洁） #

如果你用dplyr，可以这样写：

library(dplyr)

edu2018_clean <- edu2018 %>%
  mutate(mathtest = ifelse(mathtest < 0, NA, mathtest)) %>%
  filter(!is.na(mathtest))

summary(edu2018_clean$mathtest)

这样处理后，数据集里的NA就被彻底移除了，效果和你用na.omit()的结果一致（如果其他列没有缺失值的话）。

内容的提问来源于stack exchange，提问作者oioi