在R向量中找到第一个非NA值的索引位置？

Question

我有一个问题，向量的开头有很多NA，之后才是数据。然而我的数据特别之处在于，前n个非NA值可能不可靠，因此我想删除它们并用NA替换它们。

例如，如果我有一个长度为20的向量，并且非NA值从索引位置4开始：

> z
 [1]          NA          NA          NA -1.64801942 -0.57209233  0.65137286  0.13324344 -2.28339326
 [9]  1.29968050  0.10420776  0.54140323  0.64418164 -1.00949072 -1.16504423  1.33588892  1.63253646
[17]  2.41181291  0.38499825 -0.04869589  0.04798073

我想要删除前三个非NA值，因为我认为它们是不可靠的，以得到如下结果：

> z
 [1]          NA          NA          NA          NA          NA          NA  0.13324344 -2.28339326
 [9]  1.29968050  0.10420776  0.54140323  0.64418164 -1.00949072 -1.16504423  1.33588892  1.63253646
[17]  2.41181291  0.38499825 -0.04869589  0.04798073

当然，我需要一个通用的解决方案，而且我从不知道第一个非NA值是什么时候开始的。 我应该如何做？也就是说，我如何找到第一个非NA值的索引位置？

为了完整起见，我的数据实际上是排列在数据框中的，每一列都有很多这样的向量，并且每个向量的非NA起始位置可能不同。 此外，一旦数据开始，可能会出现零散的NA值，这阻止了我简单地计算它们的数量作为解决方案。

- Thomas Browne

---

有没有一种有效的方法，在找到第一个结果后就停止搜索？ - Alex Brown

Answer 1

使用 is.na 和 which 的组合来查找非 NA 值的索引位置。

NonNAindex <- which(!is.na(z))
firstNonNA <- min(NonNAindex)

# set the next 3 observations to NA
is.na(z) <- seq(firstNonNA, length.out=3)

- Joshua Ulrich

---

哎呀，这是我的第二个猜测。想用 rle() 来装饰一下，但我更喜欢这个解决方案。 - Roman Luštrik

完美，谢谢。经过一些思考，我想到了 min((1:length(z))[!is.na(z)])，但当然这个想法更好。完美。 - Thomas Browne

firstNonNA <- NonNAindex[1] 更快吗？使用 [1] 和 min() 会遇到问题吗？ - Florian Jenn

@FlorianJenn：是的，对于更大的向量来说，这可能会更快。我暂时想不到使用它而不是“min”会有什么问题。 - Joshua Ulrich

对于那些只想删除所有NA值的人（与此问题略有不同）：x <- c(NA, "B", "C", "D"); x[!is.na(x)] - carbocation

Answer 2

与 @Joshua 的想法类似，但使用 which.min()

## dummy data
set.seed(1)
dat <- runif(10)
dat[seq_len(sample(10, 1))] <- NA

## start of data
start <- which.min(is.na(dat))

这会给出：

> (start <- which.min(is.na(dat)))
[1] 4

使用此代码将start:(start+2)设置为NA

is.na(dat) <- seq(start, length.out = 3)

导致：

> dat
 [1]         NA         NA         NA         NA         NA
 [6]         NA 0.94467527 0.66079779 0.62911404 0.06178627

- Gavin Simpson

---

更加干净。谢谢，也感谢继续回答。 - Thomas Browne

+1，但我不确定“更清晰”的部分。虽然代码变短了，但对于那些不知道which.min将TRUE和FALSE强制转换为1和0的人来说，可能会更加不清晰。 - Joshua Ulrich

@Joshua同意，它还依赖于which.min返回任何并列最小值的第一个的行为。不确定是否应该接受更短的答案。 - Gavin Simpson

这个似乎在NAs后面跟着非NAs的情况下会有困难，然后你这里和那里都有NAs。返回的索引不适用。 Joshua详细阐述的解决方案如预期工作。 - Matteo Castagna

@MatteoCastagna 这对于OP的示例和Q有效，其中NA在向量的前面。正如我在评论中提到的那样，这依赖于which.min()的行为，这正是它在您描述的情况下失败的原因。 - Gavin Simpson

Answer 3

如果处理大量数据，Position 比 which 要快得多，因为它只在找到匹配项时才进行评估，而不是对整个向量进行评估。

x=c(rep(NA,3),1:1e8)
Position(function(x) !is.na(x), x)
# 4

我们可以通过以下方式将NA值分配给以下N个值（或向量的末尾，以先到者为准）：

pos = Position(function(x)!is.na(x), x)
x[pos:min(pos+N-1, length(x))] <- NA

- dww

---

这在大数据上表现良好。 - stats-hb

不需要定义新的函数，你可以使用complete.cases。 - IceCreamToucan

Answer 4

我会按照以下方式进行操作。

# generate some data
tb <- runif(10)
tb[1:3] <- NA

# I convert vector to TRUE/FALSE based on whether it's NA or not
# rle function will tell you when something "changes" in the vector
# (in our case from TRUE to FALSE)
tb.rle <- rle(is.na(tb))

# this is where vector goes from all TRUE to (at least one) FALSE
# your first true number is one position ahead, so +1
tb.rle$lengths[1] 

# you can now subset your vector with the first non-NA value
# and do with it whatever you want. I assign it a fantastic 
# non-believable number
tb[tb.rle$lengths[1] + 1] <- 42

- Roman Luštrik

Answer 5

zoo包中的na.trim()函数可以帮助解决问题。

library(zoo)
dummy.data <- c(rep(NA, 5), seq(1:7), NA)
x <- length(dummy.data) - length(na.trim(dummy.data, sides = "left"))
dummy.data[(x+1):(x+3)] <- NA
dummy.data
[1] NA NA NA NA NA NA NA NA  4  5  6  7 NA

- InColorado

Answer 6

你也可以直接使用replace()函数，我知道答案已经在那里了，但像replace()这样的函数对于这些事情来说太好用了。

例如：

A <- c(1,2,3,4,5,NA,58,NA,98,NA,NA,NA)
which(is.na(A))
A <- replace(A,1:3,NA)

- Bharat Kaushik