使用dplyr对空列进行管道删除

Question

我有一个参与者问卷响应的数据框，采用宽格式表示，每个列代表特定的问题/项目。

数据框看起来像这样：

id <- c(1, 2, 3, 4)
Q1 <- c(NA, NA, NA, NA)
Q2 <- c(1, "", 4, 5)
Q3 <- c(NA, 2, 3, 4)
Q4 <- c("", "", 2, 2)
Q5 <- c("", "", "", "")
df <- data.frame(id, Q1, Q2, Q3, Q4, Q5)

我希望R可以删除所有行的每个值都是NA或空白的列，因此我不想要Q1列（完全由NA组成）和Q5列（完全由""空白组成）。

根据这个thread，我可以使用以下代码来删除完全由NA组成的列:

df[, !apply(is.na(df), 2, all]

然而，该解决方案未解决空白值（""）。由于我正在使用dplyr管道完成所有操作，是否有人可以解释一下如何将上述代码整合到dplyr管道中？

目前，我的dplyr管道如下所示：

df <- df %>%
    select(relevant columns that I need)

在此之后，我被卡住了并使用方括号[]来获取非NA列的子集。

谢谢！非常感激。

- DTYK

---

你的 dplyr 管道现在是什么样子？ - De Novo

我已经更新了我的帖子，以反映我的dplyr管道现在的样子。 - DTYK

Answer 1

我们可以使用 select_if 的一个版本。

library(dplyr)
df %>%
   select_if(function(x) !(all(is.na(x)) | all(x=="")))

#  id Q2 Q3 Q4
#1  1  1 NA   
#2  2     2   
#3  3  4  3  2
#4  4  5  4  2

或者不使用匿名函数调用

df %>% select_if(~!(all(is.na(.)) | all(. == "")))

你也可以修改你的apply语句为：

df[!apply(df, 2, function(x) all(is.na(x)) | all(x==""))]

或者使用colSums

df[colSums(is.na(df) | df == "") != nrow(df)]

与逆元素

df[colSums(!(is.na(df) | df == "")) > 0]

- Ronak Shah

---

谢谢！select和select_if有什么区别？ - DTYK

@DTYK select 期望选择要选择的列的名称，而 select_if 期望一个逻辑向量，只有当值为 TRUE 时才会选择该列。 - Ronak Shah

Answer 2

在 dplyr 版本 1.0 中，你可以在 select 中使用辅助函数 where() ，而不需要使用 select_if。

library(tidyverse)
df <- data.frame(id = c(1, 2, 3, 4),
                 Q1 = c(1, "", 4, 5), 
                 Q2 = c(NA, NA, NA, NA),
                 Q3 = c(NA, 2, 3, 4), 
                 Q4 = c("", "", 2, 2), 
                 Q5 = c("", "", "", ""))

df %>% select(where(~ !(all(is.na(.)) | all(. == ""))))
#>   id Q1 Q3 Q4
#> 1  1  1 NA   
#> 2  2     2   
#> 3  3  4  3  2
#> 4  4  5  4  2

- Richard Telford

Answer 3

您可以使用select_if来实现此功能。

方法：

col_selector <- function(x) {
  return(!(all(is.na(x)) | all(x == "")))
}


df %>% select_if(col_selector)

输出：

  id Q2 Q3 Q4
1  1  1 NA   
2  2     2   
3  3  4  3  2
4  4  5  4  2

- Nik Muhammad Naim