Te recomiendo no mantener los nombres de fila fuera del data.frame porque, como viste, es fácil perderlos. Aquí te presento una solución que utiliza funciones del tidyverse
para obtener lo que buscas. El output es un tipo especial de data.frame llamado tibble. Uso el pipe (%>%
) para encadenar los pasos.
Respuesta
library(tidyverse)
iris %>%
summarise(across(.fns = ~mean(is.na(.x))*100)) %>%
pivot_longer(cols = everything(),
names_to = "Variable",
values_to = "Porcentaje") %>%
arrange(desc(Porcentaje))
# A tibble: 5 x 2
Variable Porcentaje
<chr> <dbl>
1 Petal.Length 61
2 Petal.Width 59
3 Sepal.Length 58.5
4 Sepal.Width 56.5
5 Species 25
Paso a paso
iris local
Fue necesario crear una copia local de iris
para mantener los NA
s.
iris <- iris
for (i in 1:4) {iris[sample(200, 50), i] <- NA}
Cargando los paquetes
El meta-paquete tidyverse
carga los paquetes dplyr
y tidyr
necesarios para la solución. Carga también otros paquetes más pero no vienen al caso ni interfieren.
library(tidyverse)
Función a través de columnas
El siguiente paso es obtener la proporción de NA
s por cada columna. Usamos summarise()
combinado con across()
para ello. Le estamos pidiendo que aplique una función anónima a todas las columnas.
iris %>%
summarise(across(.fns = ~mean(is.na(.x))*100))
El resultado es:
Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1 58.5 56.5 61 59 25
Pivotear
Lo siguiente es convertir los nombres de columna en nombres de fila. Para ello usamos la función pivot_longer()
. En este caso debemos explícitamente pedirle que agarre todas las columnas.
iris %>%
summarise(across(.fns = ~mean(is.na(.x))*100)) %>%
pivot_longer(cols = everything(),
names_to = "Variable",
values_to = "Porcentaje")
Obtenemos:
# A tibble: 5 x 2
Variable Porcentaje
<chr> <dbl>
1 Sepal.Length 58.5
2 Sepal.Width 56.5
3 Petal.Length 61
4 Petal.Width 59
5 Species 25
Ordenar por valor
El último paso es ordenar de forma descendente según el valor de Porcentaje. Para ello, usamos arrange()
y desc()
.
iris %>%
summarise(across(.fns = ~mean(is.na(.x))*100)) %>%
pivot_longer(cols = everything(),
names_to = "Variable",
values_to = "Porcentaje") %>%
arrange(desc(Porcentaje))
Lo que nos da el resultado que ves al inicio.