R 选择多个NA'；数据帧的不同行和列中的

我有一个数据框，有12000行和35列，在不同的行或列中有多个NA

我想创建一种ifelse函数来选择并将其更改为值（如“0”或“9999”）

我的问题是，

is.na（dataframe）

似乎不能在整个数据帧上工作，但我对为每个单独的列进行选择并不感兴趣

有更好的办法吗

library(dplyr)

data <- tibble(a = c(1, NA, 2), b = c(NA,1,2)) # let's create some data
data
# A tibble: 3 x 2
      a     b
  <dbl> <dbl>
1     1    NA
2    NA     1
3     2     2

data[is.na(data)] <- 0
data
# A tibble: 3 x 2
      a     b
  <dbl> <dbl>
1     1     0
2     0     1
3     2     2

如果将

“NA”

作为字符串：

data <- tibble(a = c(1, "NA", 2), b = c("NA",1,2))
data[data=="NA"] <- NA # first fix and bring all to "true" NA
data[is.na(data)] <- 0 # still works the same 
data
# A tibble: 3 x 2
      a     b
  <dbl> <dbl>
1     1     0
2     0     1
3     2     2

df <- tibble(a = c(1, "NaN", 2), b = c("NA",1,2))

df %>% 
    mutate_all(funs(replace(., .=="NaN", 0))) %>% 
    mutate_all(funs(replace(., .=="NA", 0))) %>% 
    mutate_all(funs(as.numeric))

# A tibble: 3 x 2
      a     b
  <dbl> <dbl>
1    1.    0.
2    0.    1.
3    2.    2.

数据
如果将
“NA”
作为字符串：

data <- tibble(a = c(1, "NA", 2), b = c("NA",1,2))
data[data=="NA"] <- NA # first fix and bring all to "true" NA
data[is.na(data)] <- 0 # still works the same 
data
# A tibble: 3 x 2
      a     b
  <dbl> <dbl>
1     1     0
2     0     1
3     2     2

df <- tibble(a = c(1, "NaN", 2), b = c("NA",1,2))

df %>% 
    mutate_all(funs(replace(., .=="NaN", 0))) %>% 
    mutate_all(funs(replace(., .=="NA", 0))) %>% 
    mutate_all(funs(as.numeric))

# A tibble: 3 x 2
      a     b
  <dbl> <dbl>
1    1.    0.
2    0.    1.
3    2.    2.

数据A
dplyr
解决方案：

对于
NA
或
NaN
：

data <- tibble(a = c(1, NaN, 2), b = c(NaN,1,2))
data
# A tibble: 3 x 2
      a     b
  <dbl> <dbl>
1     1   NaN
2   NaN     1
3     2     2

data[is.na(data)] <- 0 # still works the same 
data
# A tibble: 3 x 2
      a     b
  <dbl> <dbl>
1     1     0
2     0     1
3     2     2

df <- tibble(a = c(1, NaN, 2), b = c(NA,1,2))

df %>% 
  replace(is.na(.), 0)

# A tibble: 3 x 2
      a     b
  <dbl> <dbl>
1    1.    0.
2    0.    1.
3    2.    2.

A
dplyr
解决方案：

对于
NA
或
NaN
：

data <- tibble(a = c(1, NaN, 2), b = c(NaN,1,2))
data
# A tibble: 3 x 2
      a     b
  <dbl> <dbl>
1     1   NaN
2   NaN     1
3     2     2

data[is.na(data)] <- 0 # still works the same 
data
# A tibble: 3 x 2
      a     b
  <dbl> <dbl>
1     1     0
2     0     1
3     2     2

df <- tibble(a = c(1, NaN, 2), b = c(NA,1,2))

df %>% 
  replace(is.na(.), 0)

# A tibble: 3 x 2
      a     b
  <dbl> <dbl>
1    1.    0.
2    0.    1.
3    2.    2.

data[is.na（data）]na实际上是NaN。。也许这就是问题所在？似乎更有可能是字符串值，比如
“NA”
，而不是
NA
NaN
值应以相同的方式处理。下面是一个小示例
data=data.frame（x1=c（1,2,3,4），x2=c（1，NA，2，NA），x3=as.character（c（“NaN”，2，“NA”，4）），x4=c（NaN，2,3，NA），stringsAsFactors=F）；data[is.na（data）]
data[is.na（data）]na实际上是NaN的。。也许这就是问题所在？似乎更有可能是字符串值，比如
“NA”
，而不是
NA
NaN
值应以相同的方式处理。下面是一个小示例
data=data.frame（x1=c（1,2,3,4），x2=c（1，NA，2，NA），x3=as.character（c（“NaN”，2，“NA”，4）），x4=c（NaN，2,3，NA），stringsAsFactors=F）；数据[is.na（数据）]