Rで解析：NA値の確認と検出にも便利です「naniar」パッケージ

#パッケージのインストール
install.packages("naniar")

#パッケージの読み込み
library("naniar")
#tidyverseパッケージがなければインストール
if(!require("tidyverse", quietly = TRUE)){
  install.packages("tidyverse");require("tidyverse")
}

###データ例の作成#####
set.seed(12345)
n <- 300
TestData <- tibble(Group = sample(paste0("Group", 1:2), n,
                                  replace = TRUE),
                   Data1 = sample(c(1:50, NA), n, replace = TRUE),
                   Data2 = sample(c(100:110, NA), n, replace = TRUE))
#データ内容の確認
TestData
# A tibble: 300 x 3
  Group  Data1 Data2
  <chr>  <int> <int>
1 Group1    18   103
2 Group1    22   102
3 Group1    35   107
4 Group2    37   109
5 Group2    25   104
6 Group1    49   102
7 Group1    37   110
8 Group2    30   100
9 Group2     7   106
10 Group1    26    NA
# ... with 290 more rows

#欠損値の数を数える
TestData %>%
  count(is.na(.))
# A tibble: 4 x 2
# A tibble: 4 x 2
  `is.na(.)`[,"Group"] [,"Data1"] [,"Data2"]     n
  <lgl>                <lgl>      <lgl>      <int>
1 FALSE                FALSE      FALSE        267
2 FALSE                FALSE      TRUE          25
3 FALSE                TRUE       FALSE          7
4 FALSE                TRUE       TRUE           1
########

#欠損値の数を指標ごとに表示:miss_var_summaryコマンド
miss_var_summary(TestData)
# A tibble: 3 x 3
  variable n_miss pct_miss
  <chr>     <int>    <dbl>
1 Data2        26     8.67
2 Data1         8     2.67
3 Group         0     0

#欠損値の数をケースごとに表示:miss_var_summaryコマンド
miss_case_summary(TestData)
# A tibble: 300 x 3
    case n_miss pct_miss
    <int>  <int>    <dbl>
1    95      2     66.7
2    10      1     33.3
3    11      1     33.3
4    17      1     33.3
5    19      1     33.3
6    58      1     33.3
7    71      1     33.3
8    77      1     33.3
9    84      1     33.3
10    90      1     33.3
# ... with 290 more rows

#データの欠損値の位置を表示:as_shadowコマンド
as_shadow(TestData)
# A tibble: 300 x 3
  Group_NA Data1_NA Data2_NA
  <fct>    <fct>    <fct>   
1 !NA      !NA      !NA     
2 !NA      !NA      !NA     
3 !NA      !NA      !NA     
4 !NA      !NA      !NA     
5 !NA      !NA      !NA     
6 !NA      !NA      !NA     
7 !NA      !NA      !NA     
8 !NA      !NA      !NA     
9 !NA      !NA      !NA     
10 !NA      !NA      NA      
# ... with 290 more rows

#データ内容と合わせて欠損値の位置を確認:nabularコマンド
nabular(TestData, only_miss = FALSE)
# A tibble: 300 x 6
  Group  Data1 Data2 Group_NA Data1_NA Data2_NA
  <chr>  <int> <int> <fct>    <fct>    <fct>   
1 Group1    18   103 !NA      !NA      !NA     
2 Group1    22   102 !NA      !NA      !NA     
3 Group1    35   107 !NA      !NA      !NA     
4 Group2    37   109 !NA      !NA      !NA     
5 Group2    25   104 !NA      !NA      !NA     
6 Group1    49   102 !NA      !NA      !NA     
7 Group1    37   110 !NA      !NA      !NA     
8 Group2    30   100 !NA      !NA      !NA     
9 Group2     7   106 !NA      !NA      !NA     
10 Group1    26    NA !NA      !NA      NA      
# ... with 290 more rows

###例えばnabularコマンドとggplot2の組み合わせ#####
TestData %>%
  bind_shadow() %>%
  ggplot(aes(x = Data1,
             fill = Data2_NA)) + 
  geom_density(alpha = 0.2) +
  scale_fill_manual(values = c("#a87963", "red"))
########

#欠損値をプロットで表示:vis_missコマンド
#ggplot2のコマンドが適応可能です。
vis_miss(TestData)

#upset形式で欠損値を表示:gg_miss_upsetコマンド
#「UpSetR」パッケージ:https://www.karada-good.net/analyticsr/r-152/
gg_miss_upset(TestData, sets.bar.color = c("#a87963", "red"))

#欠損値をバーで表示:gg_miss_varコマンド
#紹介バージョンでは凡例表示に関するWarning messageが表示されます
#非表示にするためにthemeコマンドで凡例を非表示にしています
gg_miss_var(TestData, facet = Group) +
  theme(legend.position = "none")

#欠損値のデータを表示してプロット:geom_miss_pointコマンド
ggplot(TestData, aes(x = Data1, y = Data2)) +
  geom_miss_point() +
  facet_grid(~Group)

#欠損値をヒートマップで表示:gg_miss_fctコマンド
#表示する変数を指定:fctオプション
gg_miss_fct(TestData, fct = Group)

#どのデータが欠損値を含むか表示:gg_miss_whichコマンド
gg_miss_which(TestData) +
  scale_fill_manual(values = c("#a87963", "red"))