缺少编码为NA和"NA“的数据

Question

我在数据框中有一个包含因子变量"gender“的数据集。对缺少的性别数据进行编码。当我运行fix(mydata)时，我发现这个单元格实际上是空的。

我知道is.na函数，并修改了web上看到的一个函数，将丢失的数据替换为9。我预计会有更多的数据，甚至可能有更多可能有丢失数据的因子变量。该函数对数字数据工作得很好，但是当我使用因子数据作为输入时，我没有得到错误，但丢失的数据项也没有变化，也就是说，它没有被重新编码为9。

Modified Function:
na.nine <- function (x) {
    x[is.na(x)] <- 9
    return(x)
}
mydata1$gender=na.nine(mydata1$gender)

结果是没有重新编码，并显示了一条警告消息: In [<-.factor(*tmp*，is.na(x)，value = 9)：invalid factor level，NA生成的输出显示根本没有更改。

我需要保护这些数据。它属于其他人，否则我会包含更多。

如果我正在进行统计研究，我会删除一行包含缺少数据的因子变量的行，但如果要求我将< NA >替换为9怎么办？如果不使用fix(mydata1)并一次更改一个，我就不知道该怎么做了?如果我有5000个观察值要检查怎么办？

这里的任何帮助都将不胜感激。谢谢。MM

Answer 1

您需要先将因子转换为字符，然后进行替换，如果需要，再将其转换回因子。

#Modified Function:
na.nine <- function (x,TOREPLACE,FACTOR=TRUE) {
    x <- as.character(x)
    x[is.na(x)] <- TOREPLACE
    # if character is ok
    #return(x)
    return(factor(x))
}

mydata = data.frame(
gender=sample(c("M","F"),10,replace=TRUE),
age = sample(20:70,10,replace=TRUE)
)
# make some NAs
mydata$gender[1:3] <- NA
# use your function
mydata$gender <- na.nine(mydata$gender,9)
mydata

Answer 2

这里没有任何示例数据，但这应该可以解决我认为的问题所在。

## This will also show NAs in the sample as well as "NA"s
table(paste(mydata1$gender))


## Lets just keep "m" & "f" values with all else becoming NA
mydata1$gender<-ifelse(mydata1$gender=="m" | mydata1$gender=="f", mydata1$gender, NA)


## This is the corrected output where only "m" & "f" remain
table(paste(mydata1$gender))