2

Tengo una variable en un data frame que tiene 2 millones de filas y alrededor de 50,000 diferentes valores, deseo saber la cantidad de NULL que existen en esta columna, usé table(data$variable) el problema es que al ser 50,000 diferentes valores me muestra los primeros 100 únicamente y omite los restantes, además solo me interesa conocer la cantidad de NULL, ¿cómo puedo consultar cuantos NULL existen en esta columna?

2
  • Intenta con summarise_all(datos, funs(sum(is.na(.)))) Commented el 29 oct. 2018 a las 17:24
  • Sería mejor si colocas cómo defines el dataframe Commented el 29 oct. 2018 a las 17:32

3 respuestas 3

3

Entendiendo que "NULL" es una cadena, puedes aprovechar que

data$variable == "NULL"

te retorna un vector lógico, dónde los TRUE serían las filas dónde efectivamente se cumple la condición mencionada. Gracias a la coerción que hace R del valor lógico TRUE a 1 (FALSE sería 0), otra forma super simple es usar directamente sum():

sum(data$variable == "NULL")
1
  • Funciona igual de bien, gracias.
    – googolplex
    Commented el 30 oct. 2018 a las 14:31
1

Asumo que "NULL" es una cadena de caracteres, de lo contrario esas filas no existirían. En ese caso con R base podrías hacer algo así:

length(data$variable[data$variable == "NULL"])

Eso te da el largo del vector subconjunto de data$variable cuando data$variable es igual a la cadena de caracteres "NULL".

Si no funciona sería importante que pusieras en la pregunta un ejemplo de los datos, para ver que tipo de variable es (character, factor, etc.) y a qué tipo de valor remite NULL.

1
  • Funcionó perfectamente, gracias. En efecto "NULL" es una cadena de caracteres.
    – googolplex
    Commented el 29 oct. 2018 a las 17:50
0

Se pueden transformar valores NA a 0 en R y nos sirve para aplicar funciones a data.frame con la función sapply.

Ejemplo:

x=c(1,23,5,9,0,NA)
y=c(5,45,NA,78,NA,34)

dataf=data.frame(cbind(x,y))
mean(dataf$x,na.rm=TRUE)
mean(dataf$y,na.rm=TRUE)
#Podría interesarnos tener en cuenta los NAs
sum(dataf$x,na.rm=TRUE)/nrow(dataf)
sum(dataf$y,na.rm=TRUE)/nrow(dataf)

En este caso tenemos un data.frame con dos variables que contienen valores perdidos, deseamos crear una función que pase estos valores a 0 y aplicarlo al data.frame de partida:

haz.cero.na=function(x){
ifelse(is.na(x),0,x)}
dataf.2=data.frame(sapply(dataf,haz.cero.na))
dataf
dataf.2

Tu Respuesta

By clicking “Publica tu respuesta”, you agree to our terms of service and acknowledge you have read our privacy policy.

¿No es la respuesta que buscas? Examina otras preguntas con la etiqueta o formula tu propia pregunta.