[r] 모든 0 값을 NA로 교체

모든 0을 NA로 바꾸기 :

df[df == 0] <- NA

설명

1.NULL 0을 바꾸려 는 것이 아닙니다 . 이 글은 말하기를 ?'NULL',

NULL은 R에서 널 오브젝트를 나타냅니다.

독특하고 가장 유익하지 않은 빈 객체로 볼 수 있습니다. ¹ 그렇게 놀라운 것은 아닙니다.

data.frame(x = c(1, NULL, 2))
#   x
# 1 1
# 2 2

즉, R은이 널 오브젝트를위한 공간을 예약하지 않습니다. ² 한편, ?'NA'우리는

NA는 결 측값 표시기를 포함하는 길이 1의 논리 상수입니다. NA는 raw를 제외한 다른 벡터 유형으로 강제 변환 할 수 있습니다.

중요한 NA것은 길이가 1이므로 R은 약간의 공간을 확보합니다. 예 :

data.frame(x = c(1, NA, 2))
#    x
# 1  1
# 2 NA
# 3  2

또한 데이터 프레임 구조에서는 “구멍”(즉, NULL값) 이 없도록 모든 열에 동일한 수의 요소가 있어야합니다 .

이제 NULL적어도 하나의 0을 포함하는 모든 행을 완전히 제거한다는 의미에서 데이터 프레임에서 0을 대체 할 수 있습니다. 사용하는 경우, 예를 들면, var, cov, 또는 cor, 그 제 제로로 대체 실제로 동등한 NA및의 값의 설정 use등을 "complete.obs". 그러나 일반적으로 추가 정보가 손실되므로 만족스럽지 않습니다.

2. 솔루션에서 df == 0벡터화를 사용하여 일종의 루프를 실행하는 대신 . df == 0반환 (그것을 시도)와 동일한 크기의 행렬 df항목과, TRUE그리고 FALSE. 또한이 행렬을 서브셋으로 전달할 수도 있습니다 [...](참조 ?'['). 마지막으로 결과 df[df == 0]가 완벽하게 직관적이지만 df[df == 0] <- NA원하는 효과 를 주는 것은 이상하게 보일 수 있습니다 . 할당 연산자 <-는 실제로 항상 똑똑하지는 않지만 다른 객체에서는 이런 방식으로 작동하지 않지만 데이터 프레임에서는 작동합니다. 참조하십시오 ?'<-'.

_{¹ 세트 이론의 빈 세트는 어떻게 든 관련이 있습니다.
² 집합 이론과의 또 다른 유사점 : 빈 집합은 모든 집합의 부분 집합이지만 공간을 예약하지는 않습니다.}

답변

df[, 12:18][df[, 12:18] == 0] <- NA

dat

  x y
1 0 2
2 1 2
3 1 1
4 2 1
5 0 0

is.na(dat) <- !dat


dat

   x  y
1 NA  2
2  1  2
3  1  1
4  2  1
5 NA NA

library(dplyr)

df <- data_frame(col1 = c(1, 2, 3, 0),
                 col2 = c(0, 2, 3, 4),
                 col3 = c(1, 0, 3, 0),
                 col4 = c('a', 'b', 'c', 'd'))

na_if(df, 0)
# A tibble: 4 x 4
   col1  col2  col3 col4
  <dbl> <dbl> <dbl> <chr>
1     1    NA     1 a
2     2     2    NA b
3     3     3     3 c
4    NA     4    NA d

#Sample data
set.seed(1)
dat <- data.frame(x = sample(0:2, 5, TRUE), y = sample(0:2, 5, TRUE))
#-----
  x y
1 0 2
2 1 2
3 1 1
4 2 1
5 0 0

#replace zeros with NA
dat[dat==0] <- NA
#-----
   x  y
1 NA  2
2  1  2
3  1  1
4  2  1
5 NA NA

library("data.table")

status = as.data.table(occupationalStatus)

head(status, 10)
    origin destination  N
 1:      1           1 50
 2:      2           1 16
 3:      3           1 12
 4:      4           1 11
 5:      5           1  2
 6:      6           1 12
 7:      7           1  0
 8:      8           1  0
 9:      1           2 19
10:      2           2 40


status[N == 0, N := NA]

head(status, 10)
    origin destination  N
 1:      1           1 50
 2:      2           1 16
 3:      3           1 12
 4:      4           1 11
 5:      5           1  2
 6:      6           1 12
 7:      7           1 NA
 8:      8           1 NA
 9:      1           2 19
10:      2           2 40

col[col == 0 & is.numeric(col)] <- NA

changetoNA <- function(colnum,df) {
    col <- df[,colnum]
    if (is.numeric(col)) {  #edit: verifying column is numeric
        col[col == -1 & is.numeric(col)] <- NA
    }
    return(col)
}
df <- data.frame(sapply(1:5, changetoNA, df))