将 -100 导入为 NA

Question

我正在处理一个巨大的 Excel 文件（数千列），研究人员使用各种方法对 NA 进行编码，包括 -100。我将如何导入这个？我试过了

library("openxlsx")
df <- read.xlsx("file.xlsx", sheet = 1, colNames = TRUE, detectDates=TRUE, skipEmptyRows=TRUE, na.strings=c("NA", "N/A", "-100", "-"))

但是，-100 仍然显示为 -100，而不是 NA。

Answer 1

这似乎是 openxlsx::read.xlsx 中的错误。我创建了一个包含两列的小型 .xlsx 文档：

然后尝试用 read.xlsx 阅读它。 na.strings 参数似乎不太适用。它省略了带有两个 "N/A" 值（不需要）的最后一行，并保持 "-99" 值不变，而不是根据需要用 NA 替换它们：

library(openxlsx)
read.xlsx("test.xlsx", na.strings = c("N/A", "-99"))
#   num  char
# 1   1 hello
# 2 -99   -99
# 3   3     3

# for comparison, without na.strings
read.xlsx("test.xlsx")
#   num  char
# 1   1 hello
# 2 -99   -99
# 3   3     3
# 4 N/A   N/A

readxl 包做得更好：

library(readxl)
read_excel("test.xlsx", na = "-99")
# # A tibble: 4 x 2
#     num char 
#   <dbl> <chr>
# 1     1 hello
# 2    NA NA   
# 3     3 3    
# 4    NA NA

这是使用全新安装的 openxlsx 4.1.0 版和 readxl 1.2.0 版（当前版本为 1.3.0）。

openxlsx github 页面有一个关于 na.strings 的未决问题。我添加了这个例子。 You can track/comment on the issue here.

将 -100 导入为 NA

Importing -100 as NA

r

xlsx

openxlsx