如何在 R 中使用 na.rm 处理缺失值

Q: R 中的 na.rm 参数是什么？

R 中的 na.rm 参数意为“移除 NA”。当设置为 TRUE 时，它会指示函数在计算过程中忽略 NA （缺失）值，以确保结果准确。

Q: 如何在 R 的常见函数中使用 na.rm？

您可以在 sum() 、 mean() 、 sd() 、 min() 、 max() 和 median() 等函数中通过设置 na.rm = TRUE 来使用 na.rm，以在计算中排除缺失值。

Q: na.rm 能与 R 中的数据框和列表一起使用吗？

是的， na.rm 可与数据框配合使用（如通过 apply() ），也可与列表配合使用（如 lapply() 和 sapply() ），以在对这些数据结构进行操作时排除缺失值。

Q: 在 R 中处理缺失值有哪些高级技巧？

除 na.rm 外，高级技巧包括使用 is.na() 识别缺失值、应用插补方法进行替换，以及使用 na.omit() 与 complete.cases() 等函数进行更复杂的数据清洗。

数据正以工业化的速度被生成与消费，用于推动关键业务决策。然而，数据分析的一个常见挑战是缺失值的存在。这会扭曲结果，因此任何数据分析师都必须有效地处理它们。在 R 中，管理缺失值的基础工具之一就是 na.rm 参数。

本文将解释处理缺失数据的重要性、na.rm 在 R 中如何工作，展示其在各种函数中的用法，并最后讨论一些识别和处理缺失数据的替代技术。

简答版：什么是 na.rm？

R 中的 na.rm 参数意为“移除 NA”，在计算过程中忽略 NA（缺失）值。通过设置 na.rm = TRUE，诸如 mean()、sum()、min()、max()、median() 和 sd() 等函数会在不受缺失值影响的情况下进行计算。

na.rm 参数以小写书写，取布尔值——TRUE 或 FALSE。当我们设置 na.rm = TRUE 时，R 会在计算中排除 NA 值。如果不设置该参数，一旦数据中存在缺失值，这些函数将返回 NA。请看示例。

vector_with_na <- c(1, 2, NA)

sum(vector_with_na, na.rm = TRUE) # removes NA values — returns 3
sum(vector_with_na) # includes NA values — returns NA
sum(vector_with_na, na.rm = FALSE) # includes NA values — returns NA技术支持

想进一步了解 R 编程基础，请查看 Introduction to R 课程。

为什么要使用 na.rm？

在数据分析中，处理缺失值对于确保结果准确至关重要，因为它们会显著影响统计计算，进而无意间导致错误结论。使用 na.rm 可以方便地跳过这些缺失值，从而避免错误，执行可靠的计算，并维护数据完整性。

Data Cleaning in R 课程有助于进一步提升我们的数据分析技能。

使用 na.rm 的常见函数：一些实用示例

现在，让我们来了解如何在 R 中使用 na.rm。有多个 R 函数包含 na.rm 参数（默认设为 FALSE）。以下是一些常见示例：

sum()

顾名思义，sum() 计算向量中数值的总和。我们创建一个名为 vector_with_na 的向量，并在整个教程中使用它。

vector_with_na <- c(1, 2, NA, 4)

sum(vector_with_na) 
# Returns NA

sum(vector_with_na, na.rm = TRUE) 
# Returns 7技术支持

mean()

沿用同一示例，mean() 函数用于计算均值，即向量中数值的平均值。

mean(vector_with_na) 
# Returns NA

mean(vector_with_na, na.rm = TRUE) 
# Returns 2.33技术支持

sd()

继续使用 vector_with_na，sd() 计算该向量的标准差。

sd(vector_with_na) 
# Returns NA

sd(vector_with_na, na.rm = TRUE) 
# Returns 1.53技术支持

min()

min() 用于查找最小值。

min(vector_with_na) 
# Returns NA

min(vector_with_na, na.rm = TRUE) 
# Returns 1技术支持

max()

max() 用于查找最大值。

max(vector_with_na) 
# Returns NA

max(vector_with_na, na.rm = TRUE) 
# Returns 4技术支持

median()

median() 在有序排列后查找中位数。

median(vector_with_na) 
# Returns NA

median(vector_with_na, na.rm = TRUE) 
# Returns 2技术支持

请注意，如果不设置 na.rm = TRUE，上述所有聚合函数都会返回 NA。

通过设置 na.rm = TRUE，这些函数会排除 NA 值，从而得到准确且有意义的计算结果。想更好地理解这些函数的用法与语法，可以参考 R Programming Fundamentals 技能路径。

在不同数据结构中处理缺失值

让我们看看如何在不同数据结构中处理缺失值。在继续之前，若您想进一步了解 R 的数据结构，请查看我们的 R 编程语言数据结构精通指南教程。

向量（Vectors）

在向量中，可以直接在函数内使用 na.rm 来排除缺失值。上一节的示例都是 na.rm 在向量上的用法。

数据框（Data frames）

对于数据框，可以在针对特定列的函数中使用 na.rm，或结合 apply() 跨行应用，如下所示：

apply(X, MARGIN, FUN)技术支持

其中：

X：数组、数据框或矩阵
MARGIN：用于指明函数应用的维度：
- MARGIN=1 按行操作
- MARGIN=2 按列操作
- MARGIN=c(1,2) 同时按行和列操作
FUN：要应用的函数。可使用内置函数如 mean()、median()、sum()、min()、max()，也可使用自定义函数。

让我们创建一个数据框，便于在本教程中引用。

dataframe_with_na <- data.frame(col1 = c(1, NA, 3, 6), col2 = c(4, 5, NA, 7))

print(dataframe_with_na)
# Returns
#   col1 col2
# 1    1    4
# 2   NA    5
# 3    3   NA
# 4    6    7

apply(dataframe_with_na, 1, mean)
# Returns
# [1] 2.5  NA  NA 6.5

apply(dataframe_with_na, 1, mean, na.rm = TRUE)
# Returns
# [1] 2.5 5.0 3.0 6.5

apply(dataframe_with_na, 2, mean)
# Returns
# col1 col2 
#  NA   NA 

apply(dataframe_with_na, 2, mean, na.rm = TRUE)
# Returns   
#   col1     col2 
# 3.333333 5.333333技术支持

列表（Lists）

R 中的 lapply() 函数用于将指定函数应用到列表、向量或数据框的每个元素上，并返回相同长度的列表。此函数不需要 MARGIN 参数，因为它会自动对所有元素进行操作。

语法：

lapply(vector_with_na, fun)技术支持

其中：

vector_with_na：输入的列表、向量或数据框。
fun：要应用到每个输入数据元素的函数。

让我们用一个列表示例来理解 lapply()。这里我们有一个集合列表（item_1 和 item_2），其元素与数据框（dataframe_with_na）类似。我们的目标是求出每个集合的均值。

list_with_na <- list(item_1=c(1, NA, 3, 6), item_2=c(4, 5, NA, 7))

lapply(list_with_na, mean)
# Returns
# $item_1
# [1] NA
# 
# $item_2
# [1] NA

lapply(list_with_na, mean, na.rm =TRUE)
# Returns
# $item_1
# [1] 3.333333
# 
# $item_2
# [1] 5.333333技术支持

sapply() 与 lapply() 类似，但返回的是数组或矩阵而非列表。我们使用列表（list_with_na）和 sapply() 来计算其中每个集合的均值。

sapply(list_with_na, mean)
# Returns
# a  b 
# NA NA 

sapply(list_with_na, mean, na.rm = TRUE)

# Returns
# a        b 
# 3.333333 5.333333技术支持

现在，让我们用数据框（dataframe_with_na）和 sapply() 来计算各列数值之和。

sapply(dataframe_with_na, sum)

# Returns
# col1 col2 
# NA   NA 

sapply(dataframe_with_na, sum, na.rm=TRUE)
# Returns
# col1 col2 
# 10   16技术支持

想更全面地了解 R 中的数据处理，强烈推荐 Data Manipulation with dplyr 课程。如果您对 apply() 家族函数不太熟悉，可阅读我们的 R Apply 家族教程。

与 na.omit() 和 complete.cases() 的比较

na.omit()：该函数会移除数据框中包含 NA 值的所有行。来看一个例子：

na.omit(dataframe_with_na)
# Returns
# col1 col2
# 1    1    4
# 4    6    7技术支持

complete.cases()：另一方面，complete.cases() 用于识别不含任何 NA 值的行，并返回与每一行对应的布尔值（含 NA 的行为 FALSE，反之为 TRUE）。这可用于筛选数据框中的非缺失行，如下所示。

complete.cases(dataframe_with_na)
# Returns
# [1]  TRUE FALSE FALSE  TRUE

dataframe_with_na[complete.cases(dataframe_with_na), ]
# Returns
# col1 col2
# 1    1    4
# 4    6    7技术支持

处理缺失值的高级技巧

除了 na.rm，R 还提供了处理缺失数据的高级方法：

使用 is.na() 识别缺失值

is.na() 可直接应用于向量或数据框以识别缺失数据。它会对每个缺失值返回 TRUE。

is.na(vector_with_na)
# Returns
# [1] FALSE FALSE  TRUE FALSE

is.na(dataframe_with_na)
# Returns
# col1  col2
# [1,] FALSE FALSE
# [2,]  TRUE FALSE
# [3,] FALSE  TRUE
# [4,] FALSE FALSE技术支持

应用插补方法

插补通过估计值（如均值或中位数）替换缺失值，如下所示：

vector_with_na[is.na(vector_with_na)] <- mean(vector_with_na, na.rm = TRUE)

print(vector_with_na)
# Returns
# [1] 1.000000 2.000000 2.333333 4.000000

dataframe_with_na[is.na(dataframe_with_na)] <- sapply(dataframe_with_na, mean, na.rm=TRUE)
print(dataframe_with_na)
# Returns
# col1     col2
# 1 1.000000 4.000000
# 2 3.333333 5.000000
# 3 3.000000 5.333333
# 4 6.000000 7.000000技术支持

使用 summary() 函数

有趣的是，summary() 在处理缺失值方面与使用 na.rm 不同。默认情况下，summary() 在计算汇总统计时会自动排除缺失值，并随后报告数据中 NA 的数量。

让我们对向量 vector_with_na 运行 summary()：

summary(vector_with_na)
#Returns
#   Min. 1st Qu.  Median    Mean 3rd Qu.    Max.    NA's 
#  1.000   1.500   2.000   2.333   3.000   4.000       1技术支持

再对数据框 dataframe_with_na：

summary(dataframe_with_na)
# Returns
# col1           col2     
# Min.   :1.00   Min.   :4.00  
# 1st Qu.:2.50   1st Qu.:4.75  
# Median :3.00   Median :5.00  
# Mean   :3.25   Mean   :5.25  
# 3rd Qu.:3.75   3rd Qu.:5.50  
# Max.   :6.00   Max.   :7.00 技术支持

Intermediate R 课程为希望了解更高级数据处理技巧的读者提供了深入见解。

处理缺失值的最佳实践

要有效处理缺失值，可遵循以下最佳实践：

始终检查缺失值

在执行计算前，先识别并了解缺失数据的程度。下面的示例显示该数据框共有 2 个缺失值。

print(dataframe_with_na)
# Returns
# col1 col2
# 1    1    4
# 2   NA    5
# 3    3   NA
# 4    6    7

sum(is.na(dataframe_with_na))
# Returns
# [1] 2技术支持

使用条件检查

始终验证是否存在缺失数据，并据此应用任何插补技术，确保各类边界情况都得到妥善处理。

if(any(is.na(dataframe_with_na))) {  
  if (class(dataframe_with_na) == "data.frame") {    
   dataframe_with_na[is.na(dataframe_with_na)] <- sapply(dataframe_with_na, median, na.rm=TRUE)      
  }
}

print(dataframe_with_na)
# Returns
# col1 col2
# 1    1    4
# 2    3    5
# 3    3    5
# 4    6    7技术支持

结合上下文做判断

理解数据为何缺失，并选择合适的方法进行处理——删除或插补。

若想系统化地进行数据分析并处理缺失值，Data Cleaning in R 课程会是很好的资源。

结语

理解并使用 na.rm 是确保数据分析可靠且准确的关键。在 R 项目中多练习使用 na.rm，并探索更高级的技术，全面处理缺失数据。

想要进一步学习，可查看以下资源：

数据清洗：通过我们的 Data Cleaning in R 课程提升您的数据分析技能。
R 入门：通过我们的 Introduction to R 课程开始学习 R 编程。
数据可视化：通过我们的 Introduction to Data Visualization with ggplot2 课程掌握制作出色可视化图表。
数据处理：通过我们的 Data Manipulation with dplyr 课程提升数据转换技巧。
回归分析：通过我们的 Introduction to Regression in R 课程深入学习回归技术与统计学。

作者

Vidhi Chugh

我是一名 AI 策略与伦理专家，致力于在数据科学、产品与工程的交汇处构建可扩展的机器学习系统。曾入选全球“200 位顶尖商业与技术创新者”之一，我的使命是让机器学习走向大众，打破术语壁垒，让每个人都能参与这场变革。

常见问题解答

R 中的 na.rm 参数是什么？

R 中的 na.rm 参数意为“移除 NA”。当设置为 TRUE 时，它会指示函数在计算过程中忽略 NA（缺失）值，以确保结果准确。

如何在 R 的常见函数中使用 na.rm？

您可以在 sum()、mean()、sd()、min()、max() 和 median() 等函数中通过设置 na.rm = TRUE 来使用 na.rm，以在计算中排除缺失值。

为什么在数据分析中处理缺失值很重要？

缺失值会扭曲结果并导致不准确的结论。有效地处理它们能确保计算可靠并维护数据完整性。

na.rm 能与 R 中的数据框和列表一起使用吗？

是的，na.rm 可与数据框配合使用（如通过 apply()），也可与列表配合使用（如 lapply() 和 sapply()），以在对这些数据结构进行操作时排除缺失值。

在 R 中处理缺失值有哪些高级技巧？

除 na.rm 外，高级技巧包括使用 is.na() 识别缺失值、应用插补方法进行替换，以及使用 na.omit() 与 complete.cases() 等函数进行更复杂的数据清洗。

主题

R 数据分析

主题

技术