16 décembre
Par
Le
Dans gestion des NA
Avec 0 Commentaire

Supprimer des valeurs manquantes avec na.omit en R Dans l’analyse de données, il est fréquent de rencontrer des valeurs manquantes. Ces valeurs peuvent fausser les résultats de nos analyses et doivent souvent être traitées. L’une des méthodes les plus simples pour gérer les valeurs manquantes dans R est d’utiliser la fonction na.omit(). Cet article vous expliquera comment utiliser cette fonction avec un exemple concret. Qu’est-ce que na.omit ? La fonction na.omit() est utilisée pour supprimer les lignes contenant des valeurs manquantes (NA) d’un objet, comme un data frame ou une matrice. Lorsque vous appliquez na.omit(), R retourne un nouvel objet sans les lignes qui contiennentRead More →

30 janvier
Par
Le
Dans manipulation de données, tidyverse
Avec 0 Commentaire

Plusieurs façon de faire, à vous de choisir celle qui vous plait le plus 🙂 Fabriquons un petit jeu de données auquel nous souhaitons ajouter une colonne contenant le nombre ne NA sur chacune des lignes. library(tidyverse) dataset <- tribble(~a,~b,~c, 1,NA,NA, NA,NA,NA, 1,2,3, NA,3,NA ) A l’ancienne dataset$nb <- apply(dataset, MARGIN = 1, function(x){sum(is.na(x))}) avec du pmap et du mutate dataset %>% mutate(nb = pmap(.,function(a,b,c){sum(is.na(a),is.na(b),is.na(c))}), nb= unlist(nb)) Mais c’est dommage de devoir spécifier a, b et c. donc simplifions : dataset %>% mutate(nb = pmap_dbl(., function(…){sum(is.na(c(…)))})) Cela reste à mon goût un peu trop verbeux Avec rowSums dataset %>% mutate(nb = rowSums(is.na(.))) ça c’est propreRead More →