如何对包含空白条目的表进行子集化

Question

我有一个包含5列和> 100k行的表

col1    col2    col3    col4    col5
foo     bar
foo1    bar1    this1  that1    other1
foo2    bar2           that2    other2

我想在此表中阅读，以便空白

1. 以NA或
读入
2. 忽略这些行

我尝试了a=read.table("a.txt",header=F,sep='\t',na.strings=c("NA","NULL"))，但发现NA只出现在整数列中，而不是字符串。我一直试图对结果表进行子集化以删除具有空白的列，但尚未成功。

我试过了：

subset(a,a$V4!= ' ')
subset(a,a$V4!= '\t')
subset(a,a$V4!= '\w')
subset(a,a$V4!= '\s')
subset(a,a$V4==NULL)
subset(a,a$V4==is.na) 

一切都无济于事。

我很感激任何建议

Answer 1

在@adibender所说的基础上，你可能在这些空白字段中有一些未知数量的空白字符。包含c('', ' ')可能会解决某些字段，但如果空白字符的数量不同，您仍然会有一些空白。

R在subset(a,a$V4!= '\s')中的上述比较中不使用正则表达式。您可以使用grepl进行正则表达式比较并获得逻辑答案，例如： a[!grepl('[[:space:]]', a$V4), ]（返回a中a$V4未找到空格字符的行。

如果要删除空格并替换为NA（假设没有空格有效），我可能会使用gsub中的str_trim或stringr，然后使用ifelse(a$V4 == '', NA, a$V4)从空字符串更改为NA。