R中将文本NA替换为系统NA后summary仍显示0计数NA类别的解决方案

问题原因 #

你的数据中Region等列为因子类型，你用na_if仅将取值为"NA"的观测替换为了R的系统NA，但因子的水平（levels）列表中仍然保留了"NA"这个水平，即使没有观测对应这个水平，summary()统计因子时会列出所有已定义的水平，所以才会出现计数为0的"NA"分类。

解决方案 #

方案1：导入数据时直接处理（最优） #

直接在read_csv2的参数中指定要识别为NA的字符串，从源头避免生成文本"NA"的取值和水平：

# 可根据实际情况添加其他要识别为NA的字符串，比如带空格的" NA "、空字符串""等
tmp1 <- read_csv2(file1, na = c("", "NA", "NA ", " NA"))
tmp2 <- read_csv2(file2, na = c("", "NA", "NA ", " NA"))
tmp <- tmp1 %>% left_join(tmp2)

方案2：已导入数据直接清理空水平（适配你当前的情况） #

你已经完成了"NA"到系统NA的替换，只需要删除所有因子列中没有观测对应的空水平即可：

tmp <- droplevels(tmp)

运行后再做summary()就不会再出现计数为0的"NA"分类。

方案3：全数据集统一替换+清理 #

如果不确定是否还有其他带空格的文本NA值，可对全数据集做统一处理：

library(dplyr)
library(forcats)

tmp <- tmp %>%
  # 处理字符列：去首尾空格后替换"NA"为系统NA
  mutate(across(where(is.character), ~ trimws(.x) %>% na_if("NA"))) %>%
  # 处理因子列：直接删除"NA"水平，再清理所有空水平
  mutate(across(where(is.factor), ~ fct_recode(.x, NULL = "NA") %>% droplevels()))

内容的提问来源于stack exchange，提问作者Romy Schipper