values - remove na in r data frame

¿Es posible establecer na.rm en TRUE globalmente?

Question

Para comandos como max la opción na.rm se establece de forma predeterminada en FALSE . Entiendo por qué esta es una buena idea en general, pero me gustaría desactivarla durante un tiempo, es decir, durante una sesión.

¿Cómo puedo exigir que R configure na.rm = TRUE siempre que sea una opción? encontré

options(na.action = na.omit)

pero esto no funciona. Sé que puedo establecer una opción na.rm=TRUE para cada una de las funciones que escribo.

my.max <- function(x) {max(x, na.rm=TRUE)}

Pero eso no es lo que estoy buscando. Me pregunto si hay algo que pueda hacer de forma más global / universal en lugar de hacerlo para cada función.

Answer 1

Hubo varias respuestas sobre cambiar el argumento de na.rm nivel mundial ya. Solo quiero saber sobre partial() función partial() de los paquetes purrr o pryr . Usando esta función, puede crear una copia de la función existente con argumentos predefinidos :

library(purrr)
.mean <- partial(mean, na.rm = TRUE)

# Create sample vector
df <- c(1, 2, 3, 4, NA, 6, 7)

mean(df)
>[1] NA

.mean(df)
>[1] 3.833333

Podemos combinar este consejo con @agstudy answer y crear copias de todas las funciones con el argumento na.rm = TRUE :

library(purrr)

# Create a vector of function names https://stackoverflow.com/a/17423072/9300556
Funs <- Filter(is.function,sapply(ls(baseenv()),get,baseenv()))
na.rm.f <- names(Filter(function(x) any(names(formals(args(x)))%in% ''na.rm''),Funs))

# Create strings. Dot "." is optional
fs <- lapply(na.rm.f,
             function(x) paste0(".", x, "=partial(", x ,", na.rm = T)"))

eval(parse(text = fs)) 

Así que ahora, hay .max , .max , .max , etc. en nuestro .GlobalEnv . Puedes ejecutarlos:

.min(df)
> [1] 1
.max(df)
> [1] 7
.all(df)
> [1] TRUE

Para sobrescribir las funciones, simplemente elimine el punto "." de la llamada lapply. Inspirado por este blogpost

Answer 2

No es posible cambiar na.rm a TRUE globalmente. (Ver el comentario de Hong Ooi debajo de la pregunta).

EDITAR:

Desafortunadamente, la respuesta que no desea es la única que funciona en general. No hay una opción global para esto, como para na.action, que solo afecta a las funciones de modelado como lm, glm, etc. (e incluso allí, no está garantizado que funcione en todos los casos). - Hong Ooi Jul 2 ''13 a las 6:23

Answer 3

Para mi paquete R, sobrescribí las funciones existentes mean y sum . Gracias al gran Ben (comentarios abajo), modifiqué mis funciones a esto:

mean <- function(x, ..., na.rm = TRUE) {
  base::mean(x, ..., na.rm = na.rm)
}

Después de esto, mean(c(2, NA, 3)) = 2.5 lugar de NA .

Y para la sum :

sum <- function(x, ..., na.rm = TRUE) {
  base::sum(x, ..., na.rm = na.rm)
}

Esto dará como resultado la sum(c(2, NA, 3)) = 5 lugar de NA .

sum(c(2, NA, 3, NaN)) también funciona.

Answer 4

Una solución (peligrosa), es hacer lo siguiente:

1. Listar todas las funciones que tienen na.rm como argumento. Aquí limité mi búsqueda al paquete base.
2. Busca cada función y agrega esta línea al principio de su cuerpo: na.rm = TRUE
3. Asigne la función de nuevo al paquete base.

Así que primero na.rm en una lista (ll) todas las funciones que tienen na.rm como argumento:

uses_arg <- function(x,arg) 
  is.function(fx <- get(x)) && 
  arg %in% names(formals(fx))
basevals <- ls(pos="package:base")      
na.rm.f <- basevals[sapply(basevals,uses_arg,''na.rm'')]

EDITAR mejor método para obtener todas las funciones de argumento de na.rm (gracias al comentario de mnel)

Funs <- Filter(is.function,sapply(ls(baseenv()),get,baseenv()))
na.rm.f <- names(Filter(function(x) any(names(formals(args(x)))%in% ''na.rm''),Funs))

Así que la lista de na.rm.f ve así:

 [1] "all"                     "any"                     "colMeans"                "colSums"                
 [5] "is.unsorted"             "max"                     "mean.default"            "min"                    
 [9] "pmax"                    "pmax.int"                "pmin"                    "pmin.int"               
[13] "prod"                    "range"                   "range.default"           "rowMeans"               
[17] "rowsum.data.frame"       "rowsum.default"          "rowSums"                 "sum"                    
[21] "Summary.data.frame"      "Summary.Date"            "Summary.difftime"        "Summary.factor"         
[25] "Summary.numeric_version" "Summary.ordered"         "Summary.POSIXct"         "Summary.POSIXlt" 

Luego, para cada función que cambio el cuerpo, el código está inspirado en el paquete data.table (FAQ 2.23) que agrega una línea al inicio de rbind.data.frame y cbind.data.frame .

ll <- lapply(na.rm.f,function(x)
  {
  tt <- get(x)
  ss = body(tt)
  if (class(ss)!="{") ss = as.call(c(as.name("{"), ss))
  if(length(ss) < 2) print(x)
  else{
    if (!length(grep("na.rm = TRUE",ss[[2]],fixed=TRUE))) {
      ss = ss[c(1,NA,2:length(ss))]
      ss[[2]] = parse(text="na.rm = TRUE")[[1]]
      body(tt)=ss
      (unlockBinding)(x,baseenv())
      assign(x,tt,envir=asNamespace("base"),inherits=FALSE)
      lockBinding(x,baseenv())
      }
    }
  })

No, si marca, la primera línea de cada función de nuestra lista:

unique(lapply(na.rm.f,function(x) body(get(x))[[2]]))
[[1]]
na.rm = TRUE