从数据框中删除某些值为NA的列

Question

我有一个数据框，其中一些值为NA。我想把这些列删除。

我的数据框长这样

    v1   v2 
1    1   NA 
2    1    1 
3    2    2 
4    1    1 
5    2    2 
6    1   NA

我尝试估算列均值并选择列均值不等于NA的列。我尝试了这个语句，但它没有起作用。

data=subset(Itun, select=c(is.na(colMeans(Itun))))

我遇到了一个错误，

错误：'x' 必须是至少二维数组

有人可以帮我解决吗？

- TTT

---

请提供您想要的结果示例。同时，提供一个完全可重现的示例将非常有帮助。 - BenBarnes

Answer 1

数据：

Itun <- data.frame(v1 = c(1,1,2,1,2,1), v2 = c(NA, 1, 2, 1, 2, NA)) 

这将删除所有至少包含一个NA的列：

Itun[ , colSums(is.na(Itun)) == 0]

另一种方法是使用apply:

Itun[ , apply(Itun, 2, function(x) !any(is.na(x)))]

- Sven Hohenstein

---

是的。但他从未提到过行，并使用了 subset(..., select=...)，所以我认为他想要提取某些列的所有行。 - Backlin

@SvenHohenstein：非常抱歉我的措辞不够清晰。我想从数据框中提取没有缺失值的列。 - TTT

这个返回的不是一个逻辑数组吗，而且没有对数据进行子集处理吗？ - simone

应该是 Itun[ , colSums(is.na(Itun)) == 0, with = FALSE] 吗？ - simone

@simone，“Itun”是一个“data.frame”，而不是一个“data.table”。 - Sven Hohenstein

Answer 2

以下是使用 dplyr 函数的 select_if() 的一种方便方法。结合 not (!)、any() 和 is.na()，这相当于选取所有不包含任何 NA 值的列。

library(dplyr)
Itun %>%
    select_if(~ !any(is.na(.)))

- Matt Dancho

---

我想知道您是否可以同时提取已删除列的列名。这可能吗？ - Kots

我会将其拆分为两个操作。使用 Itun %>% select_if(~ any(is.na(.))) %>% names()。然后使用上述代码在第二个操作中删除列。 - Matt Dancho

很棒的解决方案。对于那些只有NAs的列应该被删除的情况，您可以使用select_if(~ !all(is.na(.))。 - JdP

这个解决方案很好，但是非常慢。@Sven-hohenstein的Itun[ , colSums(is.na(Itun)) == 0]要快得多。 - Matthias Munz

如果我想要包含具有NA/NULL值的列，它会返回什么？当我运行没有!的相反操作时，它返回了一堆不含NA的列；虽然带有NA的列也与它们一起返回。 - stucash

Answer 3

或者，可以使用 select(where(~FUNCTION))：

library(dplyr)

(df <- data.frame(x = letters[1:5], y = NA, z = c(1:4, NA)))
#>   x  y  z
#> 1 a NA  1
#> 2 b NA  2
#> 3 c NA  3
#> 4 d NA  4
#> 5 e NA NA

# Remove columns where all values are NA
df %>% 
  select(where(~!all(is.na(.))))
#>   x  z
#> 1 a  1
#> 2 b  2
#> 3 c  3
#> 4 d  4
#> 5 e NA
  
# Remove columns with at least one NA  
df %>% 
  select(where(~!any(is.na(.))))
#>   x
#> 1 a
#> 2 b
#> 3 c
#> 4 d
#> 5 e

- HBat

Answer 4

您可以使用两次转置：

newdf <- t(na.omit(t(df)))

- Scott Worland

Answer 5

data[,!apply(is.na(data), 2, any)]

- Backlin

---

data.frame版本不应该与matrix版本相同吗，只是没有第一个逗号吗？按照您的代码，我会得到一个错误（“未定义选择的列”）。 - A5C1D2H2I1M1N2O1R2T1

然而，apply 在应用函数之前会将输入转换为矩阵，因此我更喜欢在数据框上使用 sapply 或 lapply。然而，is.na 也是如此，所以在这种情况下，输入已经是一个矩阵，我的第一个示例实际上是不正确的！也许在概念上更好的解决方案是 sapply(data, function(x) !any(is.na(x)))，但这真的是无关紧要的。 - Backlin

Answer 6

使用包的另一种选择是利用

。
最初的回答

Filter(function(x) !any(is.na(x)), Itun)

使用 data.table 会稍微麻烦一些。最初的回答。

setDT(Itun)[,.SD,.SDcols=setdiff((1:ncol(Itun)),
                                which(colSums(is.na(Itun))>0))]

- Oriol Prat

Answer 7

与apply函数相关的基本R方法是

Itun[!unlist(vapply(Itun, anyNA, logical(1)))]
  v1
1  1
2  1
3  2
4  1
5  2
6  1

这里使用vapply 是因为我们正在操作列表，而apply 不会将对象强制转换为矩阵。此外，由于我们知道输出将是长度为1的逻辑向量，因此可以将其输入vapply，从而可能获得一些速度提升。出于同样的原因，我使用了anyNA 而不是any(is.na())。

- lmo

Answer 8

你也可以尝试：

df <- df[,colSums(is.na(df))<nrow(df)]

- user2110417