La forma correcta de probar NA en Julia DataFrames

julia-lang

Question

¿Cuál es la forma correcta de probar si un valor en un DataFrame es NA en el paquete Julia DataFrames?

Hasta ahora he descubierto que typeof(var) == NAtype funciona, pero ¿hay una forma más elegante de hacerlo?

Answer 1

Usar typeof(var) == NAtype para esto es incómodo, en particular porque no está vectorizado.

La forma canónica de probar los valores de NA es usar la función (vectorizada) llamada isna .

Ejemplo

Generemos un DataFrame de juguete con algunos valores NA en la columna B :

julia> using DataFrames

julia> df = DataFrame(A = 1:10, B = 2:2:20)
10x2 DataFrame
| Row | A  | B  |
|-----|----|----|
| 1   | 1  | 2  |
| 2   | 2  | 4  |
| 3   | 3  | 6  |
| 4   | 4  | 8  |
| 5   | 5  | 10 |
| 6   | 6  | 12 |
| 7   | 7  | 14 |
| 8   | 8  | 16 |
| 9   | 9  | 18 |
| 10  | 10 | 20 |

julia> df[[1,4,8],symbol("B")] = NA
NA

julia> df
10x2 DataFrame
| Row | A  | B  |
|-----|----|----|
| 1   | 1  | NA |
| 2   | 2  | 4  |
| 3   | 3  | 6  |
| 4   | 4  | NA |
| 5   | 5  | 10 |
| 6   | 6  | 12 |
| 7   | 7  | 14 |
| 8   | 8  | NA |
| 9   | 9  | 18 |
| 10  | 10 | 20 |

Ahora pretendamos que no conocemos el contenido de nuestro DataFrame y hagamos, por ejemplo, la siguiente pregunta:

¿La columna B contiene un valor NA ?

El enfoque typeof no funcionará aquí:

julia> typeof(df[:,symbol("B")]) == NAtype
false

La función isna es más adecuada:

julia> any(isna(df[:,symbol("B")]))
  true