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$variable) el problema es que al ser 50,000 diferentes valores me muestra los primeros 100 únicamente y omite los restantes, además solo me interesa conocer la cantidad de NULL, ¿cómo puedo consultar cuantos NULL existen en esta columna?
3 respuestas
Entendiendo que "NULL"
es una cadena, puedes aprovechar que
data$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$variable == "NULL")
Asumo que "NULL" es una cadena de caracteres, de lo contrario esas filas no existirían. En ese caso con R base podrías hacer algo así:
length(data$variable[data$variable == "NULL"])
Eso te da el largo del vector subconjunto de data$variable
cuando data$variable
es igual a la cadena de caracteres "NULL"
.
Si no funciona sería importante que pusieras en la pregunta un ejemplo de los datos, para ver que tipo de variable es (character, factor, etc.) y a qué tipo de valor remite NULL.
-
Funcionó perfectamente, gracias. En efecto "NULL" es una cadena de caracteres. Commented el 29 oct. 2018 a las 17:50
Se pueden transformar valores NA a 0 en R y nos sirve para aplicar funciones a data.frame con la función sapply.
Ejemplo:
x=c(1,23,5,9,0,NA)
y=c(5,45,NA,78,NA,34)
dataf=data.frame(cbind(x,y))
mean(dataf$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