Prozentuale Werte für Na-Werte (Datenrahmen und Variablen) auf R

Question

Ich möchte prozentual -Werte in einem Datenrahmen und für Variablen berechnen.

Mein Datenrahmen hat dies:

mean(is.na(dataframe)) 
# 0.03354 

Wie ich dieses Ergebnis zu lesen? Na 0,033%? Ich verstehe nicht.

Für die einzelnen Variablen habe ich die folgenden für die Zählung von NA s

sapply(DATAFRAME, function(x) sum(is.na(x))) 

Dann für den Prozentsatz der NA -Werten:

colMeans(is.na(VARIABLEX)) 

funktioniert nicht, weil ich das bekommen Folgefehler:

"x must be an array of at least two dimension"

Warum tritt dieser Fehler auf? du? Wie auch immer, danach habe ich versucht, die folgenden:

mean(is.na(VariableX)) 
# 0.1188 

Sollte ich interpretieren dies 0,11% NA -Werten haben?

Answer 1

Ich würde nur die Anzahl der Zeilen teilen NAs durch die Gesamtanzahl der Zeilen enthalten:

df <- data.frame(data = c(NA, NA, NA, NA, 2, 4, NA, 7, NA)) 

percent_NA <- NROW(df[is.na(df$data),])/NROW(df) 

Welche gibt:

> percent_NA 
[1] 0.6666667 

, die es in sind 66,67% NAs bedeutet

meine Datenrahmen

Answer 2

Ich verstehe nicht das Problem, das Sie versuchen zu lösen. Alles funktioniert wie erwartet.
Zuerst ein Datensatz, da Sie noch keinen erstellt haben.

set.seed(6180) # make it reproducible 
dat <- data.frame(x = sample(c(1:4, NA), 100, TRUE), 
        y = sample(c(1:5, NA), 100, TRUE)) 

Jetzt der Code für Summen.

s <- sapply(dat, function(x) sum(is.na(x))) 
s 
# x y 
#18 13 
sum(s) 
#[1] 31 
sum(is.na(dat)) 
#[1] 31 

colSums(is.na(dat)) 
# x y 
#18 13 

Das gleiche gilt für Mittel, es mean oder colMeans sein.
BEARBEITEN.
Hier ist der Code, um die NA Werte pro Spalte/Variable und eine Gesamtsumme zu erhalten.

sapply(dat, function(x) mean(is.na(x))) 
# x y 
#0.18 0.13 
colMeans(is.na(dat)) # Same result, faster 
# x y 
#0.18 0.13 
mean(is.na(dat))  # overall mean 
#[1] 0.155