Question

我有一个包含160列的数据集。其中一些列包含很多NA和＃DIV / 0！我按以下方式加载数据：

training = read.csv("training.csv",header = TRUE,na.strings = c("NA","NaN","","#DIV/0!"))

如何只保留包含所有行中值的列？

Answer 1

也许：

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

Answer 2

@ SRivero的答案有效，这是另一个

set.seed(1234)
dat <- as.data.frame(matrix(runif(100000),1000,10))
dat[sample(1:100,20,replace=TRUE),sample(1:10,3,replace=TRUE)] <- NA

# apply through each column seeing if any are NAs
dat[,sapply(dat,function(x) !any(is.na(x)))]

# Check if both answers give same result
all.equal(dat[,which(sapply(dat,function(x) !any(is.na(x))))],
dat[ , colSums(is.na(dat)) == 0])
[1] TRUE

虽然我的速度有点快

library(microbenchmark)

microbenchmark(dat[,sapply(dat,function(x) !any(is.na(x)))],
dat[ , colSums(is.na(dat)) == 0])
Unit: microseconds
                                           expr     min       lq      mean   median      uq      max neval
 dat[, sapply(dat, function(x) !any(is.na(x)))]  87.464  89.7790  94.51491  90.9830  97.124  190.865   100
                dat[, colSums(is.na(dat)) == 0] 197.958 199.9585 226.49657 201.4265 207.278 1382.612   100

Answer 3

使用select_if()中的dplyr的另一个选项。它允许您在数据框的列上使用谓词。只会选择谓词返回TRUE的那些列：

library(dplyr)
select_if(dat, function(x) !any(is.na(x))

R - 清除NA，NaN，DIV / 0的数据集列

3 个答案: