I valori mancanti (missing values), di qualunque tipo di variabile, vengono indicati dal codice NA, che significa not available — non disponibile.

Il codice NaN (Not a Number) indica invece i valori numerici impossibili, quali ad esempio un valore numerico diviso 0.

I valori NaN sono conteggiati da R come NA, mentre non è vero il contrario.

Se una variabile contiene valori mancanti, R non è in grado di applicare ad essa alcune Funzioni, come ad esempio la media. Per questa ragione, la gran parte delle funzioni di R prevedono modi specifici per trattare i valori mancanti.

Per sapere quali casi sono mancanti in una variabile:

is.na(ChickWeight$weight)

L'output indicherà con TRUE le celle che contengono NA o NaN

  [1] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
 [14] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
 [27] FALSE FALSE  TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
 ... 

Per selezionare i casi validi di una variabile:

ChickWeight$weight[is.na(ChickWeight$weight)==FALSE]
 
# oppure
 
ChickWeight$weight[!is.na(ChickWeight$weight)==TRUE]
 
# oppure ancora
 
ChickWeight$weight[!is.na(ChickWeight$weight)]

(Vedi anche: Indicizzazione; Operatori).

Per sapere quali casi contengono valori mancanti in un Dataframe :

ChickWeight[!complete.cases(ChickWeight),]
[1] weight Time   Chick  Diet  
<0 rows> (or 0-length row.names)

Per creare un nuovo Dataframe senza valori mancanti:

mynewdata <- na.omit(ChickWeight)