0Pricing
R Academy · 강의

결측값 감지 및 개수 세기

결측 데이터를 점검하기 위해 is.na(), anyNA(), sum(is.na())를 사용합니다.

결측값 감지 및 개수 세기은(는) CoddyKit의 무료 R Academy 강의입니다. 이것은 4개 중 2번째 강의입니다. 아래에서 전체 강의를 무료로 읽을 수 있으며, 내장 코드 에디터와 24/7 AI 튜터와 함께 브라우저에서 직접 실습할 수 있습니다. 이 강의는 R Academy 학습 경로의 일부이며, 진행 상황이 웹과 CoddyKit 앱에 동기화됩니다. R Academy 강의에는 총 4개의 강의가 포함되어 있습니다.

is.na() — 핵심 탐지 도구

is.na(x)는 x의 각 원소를 검사하고, 같은 길이의 논리 벡터를 반환합니다. 값이 NA(또는 NaN)인 위치에는 TRUE가 표시됩니다. 이는 결측값을 탐지하는 기본 도구입니다.

heights <- c(175, NA, 162, 188, NA, 170, NA, 165)
cat('Heights:', heights, '
')
cat('is.na() :', is.na(heights), '
')
cat('!is.na():', !is.na(heights), '
')

sum(is.na())로 NA 개수 세기

산술 연산에서 TRUE == 1이고 FALSE == 0이므로 sum(is.na(x))는 전체 결측값 개수를 셉니다. mean(is.na(x))은 결측값의 비율을 계산합니다.

survey <- c(8, NA, 6, NA, 9, 7, NA, 5, NA, 8)
cat('Survey responses:', survey, '
')
cat('Total NAs:    ', sum(is.na(survey)), '
')
cat('Total present:', sum(!is.na(survey)), '
')
cat('NA proportion:', mean(is.na(survey)), '
')
cat('NA percentage:', mean(is.na(survey)) * 100, '%
')

anyNA() — 빠른 존재 여부 확인

anyNA(x)는 어떤 원소라도 NA이면 하나의 TRUE를 반환하고, 그렇지 않으면 FALSE를 반환합니다. 첫 번째 NA를 찾는 즉시 중단하므로 any(is.na(x))보다 빠릅니다.

complete_data <- c(1, 2, 3, 4, 5)
incomplete_data <- c(1, 2, NA, 4, 5)

cat('anyNA(complete)  :', anyNA(complete_data), '
')    # FALSE
cat('anyNA(incomplete):', anyNA(incomplete_data), '
')  # TRUE

# Use in validation
if (anyNA(incomplete_data)) {
  cat('Warning: data contains missing values!
')
}

which(is.na()) — 위치 찾기

which(is.na(x))는 벡터에서 결측값이 있는 인덱스(위치)를 반환합니다. 어떤 관측값이 결측인지 감사하고, 대상별 대치를 수행할 때 필수적입니다.

temperatures <- c(22.1, NA, 19.8, NA, 25.1, NA, 17.3, 20.0)
cat('Temperatures:', temperatures, '
')

missing_pos <- which(is.na(temperatures))
cat('Missing at positions:', missing_pos, '
')
cat('Number missing:', length(missing_pos), '
')

# What values are NOT missing?
present_pos <- which(!is.na(temperatures))
cat('Present at positions:', present_pos, '
')

데이터 프레임에서 NA 개수 세기

데이터 프레임에서 is.na(df)는 같은 차원의 논리 행렬을 반환합니다. 여기에 colSums()를 결합하면 열별 결측값 개수를 구할 수 있어 데이터 품질을 빠르게 감사할 수 있습니다.

# Simulate a small data frame
name_col <- c('Alice', 'Bob', 'Carol', 'Dave', 'Eve')
age_col  <- c(28, NA, 32, NA, 29)
sal_col  <- c(55000, 72000, NA, 90000, 61000)
scr_col  <- c(88, NA, 75, NA, NA)

cat('Age NAs:   ', sum(is.na(age_col)), '
')
cat('Salary NAs:', sum(is.na(sal_col)), '
')
cat('Score NAs: ', sum(is.na(scr_col)), '
')

colSums(is.na(df)) 패턴

colSums(is.na(df)) 패턴은 데이터 프레임에서 열별 결측값 개수를 세는 가장 빠른 방법입니다. 각 열에 NA가 몇 개 있는지 보여 주는 이름 있는 숫자 벡터를 반환합니다.

# Build a data frame manually
df <- data.frame(
  name   = c('Alice', 'Bob', 'Carol', 'Dave', 'Eve'),
  age    = c(28, NA, 32, NA, 29),
  salary = c(55000, 72000, NA, 90000, 61000),
  score  = c(88, NA, 75, NA, NA)
)
cat('Missing values per column:
')
print(colSums(is.na(df)))
cat('Total missing:', sum(is.na(df)), '
')

열별 NA 비율

행 개수로 나누면 열별 결측값의 비율을 구할 수 있습니다. 열마다 길이가 다를 때는 단순한 개수보다 비율이 더 유용합니다.

df <- data.frame(
  x1 = c(1, NA, 3, NA, 5),
  x2 = c(NA, 2, NA, 4, NA),
  x3 = c(1, 2, 3, NA, 5)
)
n_rows <- nrow(df)
na_counts <- colSums(is.na(df))
na_pct <- round(na_counts / n_rows * 100, 1)

cat('NA counts:     '); print(na_counts)
cat('NA percentage: '); print(na_pct)

table(is.na()) — 빈도 세기

table(is.na(x))는 FALSE(존재하는 값)와 TRUE(결측값)가 각각 몇 개인지 보여 주는 이름 있는 빈도표를 만듭니다. 한눈에 쉽게 읽을 수 있습니다.

responses <- c(5, NA, 8, 6, NA, 9, 7, NA, NA, 8)

cat('NA frequency table:
')
print(table(is.na(responses)))

# For multiple columns:
cat('Age table:
')
ages <- c(28, NA, 32, NA, 29)
print(table(is.na(ages)))

NA가 하나라도 있는 행 찾기

데이터 프레임에서 결측값이 하나라도 포함된 행을 찾으려면 apply(is.na(df), 1, any)를 사용하십시오. 결과는 불완전한 행에 TRUE가 표시되는 논리 벡터입니다.

df <- data.frame(
  id     = 1:5,
  age    = c(28, NA, 32, NA, 29),
  salary = c(55000, 72000, NA, 90000, 61000)
)

# Which rows have at least one NA?
has_na <- apply(is.na(df), 1, any)
cat('Rows with any NA:', which(has_na), '
')
cat('Complete rows:   ', which(!has_na), '
')
cat('Complete row count:', sum(!has_na), '/', nrow(df), '
')

완전한 데이터 세트 감사하기

실용적인 NA 감사 작업 흐름은 분석 전에 결측값을 세고, 위치를 찾고, 보고하여 데이터 품질을 파악하는 것입니다. 다음은 독립적으로 사용할 수 있는 감사 함수입니다.

audit_na <- function(v, label) {
  n_total   <- length(v)
  n_missing <- sum(is.na(v))
  pct       <- round(n_missing / n_total * 100, 1)
  positions <- which(is.na(v))
  cat(label, ':', n_missing, '/', n_total,
      '(', pct, '%) NA at positions', positions, '
')
}

heights <- c(175, NA, 162, 188, NA, 170)
weights <- c(70, 85, NA, 92, 68, NA)
audit_na(heights, 'Height')
audit_na(weights, 'Weight')

NA 탐지 요약

NA 탐지 도구 빠른 참조:

  • is.na(x) — 논리 벡터: NA인 위치에 TRUE
  • anyNA(x) — 하나의 TRUE/FALSE: NA가 있는가?
  • sum(is.na(x)) — NA 개수
  • mean(is.na(x)) — NA 비율
  • which(is.na(x)) — NA의 위치
  • colSums(is.na(df)) — 열별 NA 개수
  • table(is.na(x)) — NA와 비NA의 빈도표
x <- c(10, NA, 30, NA, 50, NA, 70)
cat('is.na:       ', is.na(x), '
')
cat('anyNA:       ', anyNA(x), '
')
cat('sum(is.na):  ', sum(is.na(x)), '
')
cat('mean(is.na): ', mean(is.na(x)), '
')
cat('which(is.na):', which(is.na(x)), '
')

빠른 확인

sum(is.na(c(1, NA, 3, NA, 5)))는 어떤 값을 반환할까요?

복습: NA 탐지 및 개수 세기

잘하셨습니다! 이번 레슨의 핵심 내용은 다음과 같습니다.

  • is.na(x)는 기본 도구이며 논리 벡터를 반환함
  • sum(is.na(x))는 결측값을 세고, mean(is.na(x))은 비율을 계산함
  • anyNA(x)는 NA의 존재 여부를 빠르게 확인함
  • which(is.na(x))는 NA의 정확한 위치를 보여 줌
  • colSums(is.na(df))는 데이터 프레임을 감사하는 표준 방법임
  • NA를 탐지할 때 x == NA를 사용하지 말고 항상 is.na(x)를 사용함
# Full audit of a data frame in 3 lines
df <- data.frame(a=c(1,NA,3), b=c(NA,2,NA), c=c(1,2,3))
cat('Per column:', colSums(is.na(df)), '
')
cat('Total:     ', sum(is.na(df)), '/', nrow(df)*ncol(df), '
')
cat('Complete rows:', sum(complete.cases(df)), '/', nrow(df), '
')

자주 묻는 질문

“결측값 감지 및 개수 세기” 강의는 무료인가요?

네 — “결측값 감지 및 개수 세기” 전체 내용을 이 웹사이트에서 무료로 읽을 수 있습니다. 인터랙티브하게 실습하려면(내장 코드 에디터와 24/7 AI 튜터), CoddyKit PRO로 업그레이드하면 R Academy 강의 전체를 잠금 해제할 수 있습니다. R Academy 강의에는 총 4개의 강의가 포함되어 있습니다.

“결측값 감지 및 개수 세기”에서 뭘 배우나요?

결측 데이터를 점검하기 위해 is.na(), anyNA(), sum(is.na())를 사용합니다. 브라우저에서 직접 실행하는 실습 코드로 R Academy을(를) 배우며, 24/7 AI 튜터가 강의를 진행하면서 질문에 답변해줍니다.

R Academy을(를) 시작하는 데 경험이 필요한가요?

사전 경험은 필요하지 않습니다. CoddyKit의 R Academy은(는) 초급자부터 고급 학습자까지를 위해 구성되어 있으므로, 여기서 시작하거나 처음부터 시작할 수 있으며 자신의 속도대로 진행할 수 있습니다. 이것은 4개 중 2번째 강의입니다.

“결측값 감지 및 개수 세기” 강의는 얼마나 걸리나요?

대부분의 CoddyKit 강의는 약 5~10분이 소요됩니다. 각 강의는 간결하고 인터랙티브하여 꾸준한 진행이 가능하며, 웹과 앱에서 중단한 부분부터 바로 시작할 수 있습니다.

이 R Academy 강의에서 코드를 작성하고 실행할 수 있나요?

네. 모든 R Academy 강의에는 내장 코드 에디터가 포함되어 있으므로, 브라우저에서 바로 실제 코드를 작성하고 실행한 후 즉시 AI 피드백을 받을 수 있습니다 — 로컬 설정이 필요 없습니다.

이 강의의 모든 강의

  1. R에서 NA 이해하기
  2. 결측값 감지 및 개수 세기
  3. NA 값 제거 및 대체
  4. 계산과 집계에서의 NA
← R Academy(으)로 돌아가기