使用CSV.read读取CSV文件时，如何将NA识别为missing值？

这个问题在Julia处理CSV数据时挺常见的——默认情况下CSV包不会把"NA"自动解析成missing，才会导致含NA的列被识别成字符串类型。你只需要在读取时指定missingstrings参数就能轻松搞定：

using CSV, DataFrames

# 读取文件时指定"NA"为缺失值标记
df = CSV.read("dax.dat"; missingstrings=["NA"])

补充细节： #

• missingstrings=["NA"]的作用是告诉CSV包：当遇到字符串"NA"时，直接替换为Julia原生的missing值。
• 这样处理后，原本带NA的数值列会被正确推断为Union{<:Number, Missing}类型，不会再被当成字符串列。
• 如果你的数据集里还有其他缺失值标记（比如"na"、空字符串""、"N/A"），可以把它们都加到参数数组里：missingstrings=["NA", "na", "", "N/A"]

你可以用eltype(df[:, :目标列名])验证效果，正常情况下会看到包含Missing的联合类型，说明缺失值已经被正确识别啦。

内容的提问来源于stack exchange，提问作者Hamlet