Question

我希望根据以下两个条件从我的数据集中删除行：

如果连续3个单元格为NA或
如果有四个或更多单元格为NA

我的示例数据：

data <- rbind(c(1,1,2,3,4,2,3,2),
              c(NA,1, NA, 4,1,1,NA,2), 
              c(1,4,6,7,3,1,2,2), 
              c(NA,3, NA, 1,NA,2,NA,NA), 
              c(1,4, NA, NA,NA,4,3,2))

我已经在现有问题中进行了研究，发现na.omit或complete.cases可以删除NA行，但由于我有条件，进行进一步研究后我发现了以下代码现有问题：

data[! rowSums(is.na(data)) >4  , ]   
data[! rowSums(is.na(data)) ==3  , ]

第一行完全填满我的第二个条件。第二行确实删除了包含三个NA的行，但未查找连续行并删除总共3 NA个行的任何行。例如：

> data
     [,1] [,2] [,3] [,4] [,5] [,6] [,7] [,8]
[1,]    1    1    2    3    4    2    3    2
[2,]   NA    1   NA    4    1    1   NA    2
[3,]    1    4    6    7    3    1    2    2
[4,]   NA    3   NA    1   NA    2   NA   NA
[5,]    1    4   NA   NA   NA    4    3    2

> data[! rowSums(is.na(data)) ==3  , ]
     [,1] [,2] [,3] [,4] [,5] [,6] [,7] [,8]
[1,]    1    1    2    3    4    2    3    2
[2,]    1    4    6    7    3    1    2    2
[3,]   NA    3   NA    1   NA    2   NA   NA

我真正想要的是第5行要删除，因为它有三个连续的NA＆＃39}而不是第二行。

有人可以建议我如何克服这个问题？

Answer 1

两个条件一次：

data[!apply(is.na(data), 1, function(x) 
  {v <- cumsum(x); any(diff(v, 3) == 3) | 4 %in% v}), ]
#      [,1] [,2] [,3] [,4] [,5] [,6] [,7] [,8]
# [1,]    1    1    2    3    4    2    3    2
# [2,]   NA    1   NA    4    1    1   NA    2
# [3,]    1    4    6    7    3    1    2    2

如果连续三次any(diff(v, 3) == 3)（因此差异为3），则{p> TRUE为NA，4 %in% v对应第二个条件。

Answer 2

不是美女，但它会起作用：

rle.na <- apply(is.na(data), 1, function(z){
  tmp <- rle(z)
  tmp$lengths[tmp$values]
})
data[!sapply(rle.na, function(z) any(z == 3)) | rowSums(is.na(data)) > 4, ]

基于行内NA的数量的条件行删除

2 个答案: