我想在包含缺失值的大型数据框中显示列的名称。基本上,我想要相当于complete.cases(df)但是对于列而不是行。有些列是非数字的,所以类似
names(df[is.na(colMeans(df))])
返回“colMeans中的错误(df):'x'必须是数字。”所以,我目前的解决方案是转置数据框并运行complete.cases,但我猜测有一些变体(或者plyr中的某些东西)效率更高。
nacols <- function(df) {
names(df[,!complete.cases(t(df))])
}
w <- c("hello","goodbye","stuff")
x <- c(1,2,3)
y <- c(1,NA,0)
z <- c(1,0, NA)
tmp <- data.frame(w,x,y,z)
nacols(tmp)
[1] "y" "z"
有人能告诉我一个更有效的功能来识别有NA的列吗?
答案 0 :(得分:24)
这是我所知道的最快的方式:
unlist(lapply(df, function(x) any(is.na(x))))
修改强>
我猜其他人都写完了所以这里完整了:
nacols <- function(df) {
colnames(df)[unlist(lapply(df, function(x) any(is.na(x))))]
}
如果您在WIN 7机器上对4个解决方案进行微基准测试:
Unit: microseconds
expr min lq median uq max
1 ANDRIE 85.380 91.911 106.375 116.639 863.124
2 MANOEL 87.712 93.778 105.908 118.971 8426.886
3 MOIRA 764.215 798.273 817.402 876.188 143039.632
4 TYLER 51.321 57.853 62.518 72.316 1365.136
这是一个视觉:
编辑在我写这篇文章的时候anyNA
不存在或者我没有意识到这一点。根据{{1}}:
泛型函数
?anyNA
以更快的方式实现anyNA
(特别是对于原子向量)。
any(is.na(x))
答案 1 :(得分:6)
这是一种方式:
colnames(tmp)[colSums(is.na(tmp)) > 0]
希望它有所帮助,
马诺伊尔
答案 2 :(得分:6)
单程......
nacols <- function(x){
y <- sapply(x, function(xx)any(is.na(xx)))
names(y[y])
}
nacols(tmp)
[1] "y" "z"
说明:由于结果y
是一个逻辑向量,names(y[y])
仅返回y
为TRUE的情况下y的名称。