R导入CSV后对DataFrame的invoice_amount列求和返回NA问题

问题原因 #

sum(df$invoice_amount)返回NA的核心原因是：invoice_amount列中存在至少1个NA（缺失值）。

R语言sum()函数的默认参数为na.rm = FALSE，只要参与求和的向量中包含任意一个NA值，函数就会直接返回NA；你截取的前10行数据恰好没有NA值，所以可以正常得到求和结果。

验证方法 #

你可以通过以下代码确认缺失值的存在：

1. 统计列中NA的总数量：

sum(is.na(df$invoice_amount))

如果返回结果大于0，即可确认列中存在缺失值。
2. 查看导入时的解析异常：
你调用read_csv导入数据后，返回的对象自带解析问题记录，运行以下代码即可查看哪些行的invoice_amount字段解析失败被转为NA：

problems(df)

通常这类缺失值是因为CSV对应行的invoice_amount字段不是合法数值，比如为空、填写了文本、特殊符号等。

解决方案 #

如果业务上允许忽略缺失值直接求和，只要在调用sum()时添加na.rm = TRUE参数即可：

sum(df$invoice_amount, na.rm = TRUE)

如果需要保证数据完整性，可以先根据problems(df)的输出定位CSV中的异常行，修正数据后重新导入再求和。

内容的提问来源于stack exchange，提问作者Ong K.S