如果任何列包含特定字符串，则删除该行

Question

我正在尝试找出在R中删除包含特定字符串的行的最佳方法，在我的情况下是“no_data”。

我有来自外部来源的数据，将na替换为“no_data”。

一个示例是这样的：

 time  |speed  |wheels
1:00   |30     |no_data
2:00   |no_data|18
no_data|no_data|no_data
3:00   |50     |18

我想浏览数据并删除包含任何列中的'no_data'字符串的每一行。 我在弄清楚这个问题方面遇到了很多麻烦。 我尝试过sapply，filter，grep以及这三种方法的组合。 我绝不是r专家，所以可能只是我在使用时出错了。 任何帮助都将不胜感激。

- lentz

---

相关 https://dev59.com/oWAh5IYBdhLWcg3wE_1P#49858451 - tjebo

这个回答解决了你的问题吗？过滤包含特定字符串的行 - tjebo

Answer 1

我们可以使用 rowSums 来创建一个逻辑型的 vector 并基于它进行子集筛选。

df1[rowSums(df1 == "no_data")==0, , drop = FALSE]
#   time speed wheels
#4 3:00    50     18

数据

df1 <- structure(list(time = c("1:00", "2:00", "no_data", "3:00"), speed = c("30", 
"no_data", "no_data", "50"), wheels = c("no_data", "18", "no_data", 
"18")), .Names = c("time", "speed", "wheels"), class = "data.frame", 
row.names = c(NA, -4L))

- akrun

---

当我执行 df1 == 'no_data' 时，得到了一些奇怪的结果。你是从 OP 读取数据帧还是自己创建的？ - Sotos

@Sotos 更新了我使用的数据。 - akrun

当我尝试使用这种方法时，出现了“字符串不符合标准的明确格式”的错误提示。我猜测这是因为在真实数据集中，我混合使用了字符、整数和数字变量。我没有在示例中表达清楚... - lentz

@lentz，您能否检查一下 str(yourdata)？这里我有一个 character 类。如果它是因子，请转换为 character。 - akrun

我认为问题是由于数据中有一些POSIXct格式，已转换为character。 - lentz

Answer 2

编辑更新到filter(if_all/if_any)语法（dplyr vs. 1.0.10），以前使用across（现在已弃用）甚至更早之前的filter_all或filter_any（已被取代）。

这里是一个dplyr选项：（使用Akrun的数据）

library(dplyr)

df1 <- structure(list(time = c("1:00", "2:00", "no_data", "3:00"), speed = c("30", "no_data", "no_data", "50"), wheels = c("no_data", "18", "no_data", "18")), .Names = c("time", "speed", "wheels"), class = "data.frame", row.names = c(NA, -4L))

## with if_any
df1 %>% filter(if_any(everything(), ~ grepl("no_data", .)))
#>      time   speed  wheels
#> 1    1:00      30 no_data
#> 2    2:00 no_data      18
#> 3 no_data no_data no_data

## or with if_all
df1 %>% filter(if_all(everything(), ~ !grepl("no_data", .)))
#>   time speed wheels
#> 1 3:00    50     18

## to GET all rows that fulfil condition, use
df1 %>% filter(if_any(everything(), ~ grepl("no_data", .)))
#>      time   speed  wheels
#> 1    1:00      30 no_data
#> 2    2:00 no_data      18
#> 3 no_data no_data no_data

- tjebo

Answer 3

您可以使用na.strings='no_data'将数据设置为NA，然后简单地省略NAs（或使用complete.cases），即（使用@akrun的数据集）

d1 <- read.table(text = 'time   speed  wheels
 1    1:00      30 no_data
            2    2:00 no_data      18
            3 no_data no_data no_data
            4    3:00      50      18', na.strings = 'no_data', h=TRUE)

d1[complete.cases(d1),]
#  time speed wheels
#4 3:00    50     18

#OR

na.omit(d1)
#  time speed wheels
#4 3:00    50     18

- Sotos

---

谢谢@akrun。我无法直接从OP数据中获取它，因为有些元素是“no_data”，其他的是“ no_data”，还有一些是未知的 :) - Sotos

Answer 4

akrun的回答快速、正确，尽可能简单易懂 :) 但是，如果你想让自己的生活变得更加复杂，也可以这样做:

dat
     time   speed  wheels
1    1:00      30 no_data
2    2:00 no_data      18
3 no_data no_data no_data
4    3:00      50      18

dat$new <- apply(dat[,1:3], 1, function(x) any(x %in% c("no_data")))
dat <- dat[!(dat$new==TRUE),]
dat$new <- NULL

dat
  time speed wheels
4 3:00    50     18

- Adamm