Question

我有成千上万的数据帧，如下表所示。每个表在 value 列中有60行，NA数量在1到5之间。这些NA值位置是随机的，可以连续出现，也可以分散在60行中。我正在尝试在R中编写一个代码，如果在表的开头，中间或结尾的任意位置仅存在5个连续的NA，则跳过这样的表。我当时正在考虑使用 for 循环，该循环一次选择60行，请检查5个连续的NA，如果存在，请跳至下一个60行。除了使用 for 循环外，我没有其他解决方案。任何帮助将不胜感激。

+----------+-----------+-----------+-------+
| filename |   date    | window_no | value |
+----------+-----------+-----------+-------+
| 157E     | 5/28/2017 |         1 |    NA |
| 157E     | 5/28/2017 |         1 |    NA |
| 157E     | 5/28/2017 |         1 |    NA |
| 157E     | 5/28/2017 |         1 |    NA |
| 157E     | 5/28/2017 |         1 |    NA |
| 157E     | 5/28/2017 |         1 |    78 |
| 157E     | 5/28/2017 |         1 |    83 |
| 157E     | 5/28/2017 |         1 |    89 |
| 157E     | 5/28/2017 |         1 |    99 |
| 157E     | 5/28/2017 |         1 |    NA |
| 157E     | 5/28/2017 |         1 |    NA |
| 157E     | 5/28/2017 |         1 |   115 |
| 157E     | 5/28/2017 |         1 |   117 |
| 157E     | 5/28/2017 |         1 |   119 |
| 157E     | 5/28/2017 |         1 |   120 |
| 157E     | 5/28/2017 |         1 |   121 |
| ....     | .......   |      .... |  .... |
| 157E     | 5/28/2017 |         1 | 122.5 |
+----------+-----------+-----------+-------+

我想到了使用rle函数在表中查找连续NA的方法，但是无法找出算法来查找连续NA的位置。谢谢

Answer 1

您的rle想法是正确的。在样本向量x上，

with(rle(is.na(x)), max(lengths[values]) >= 5)

如果连续有5个或更多NA，则

将为TRUE。只需将your_data$value用于x。

为说明起见，让我们获取一些示例数据

x = c(1,1,1,1,1,1,1,1, NA, 1,1, NA, NA, NA, NA, NA, 1)

稍微缩小一下，rle(is.na(x1))给出了NA（在is.na之后为TRUE）和非NA（在is.na之后为FALSE）的行程长度

rle(is.na(x))
# Run Length Encoding
#   lengths: int [1:5] 8 1 2 5 1
#   values : logi [1:5] FALSE TRUE FALSE TRUE FALSE

当然，我们只关心TRUE（NA），因此我们将lengths的子集values子集化，并保持与真值。

with(rle(is.na(x)), lengths[values])
# [1] 1 5

然后，就像查看剩余的max并查看其是否超出阈值一样简单。

Answer 2

更原始的方法：将字符串中的NA转换为1的序列，并使用grep匹配“ 11111”，后者也匹配比5长的1的序列。

grepl('[1]{5}', paste0(as.character(as.integer(is.na(x$value))),collapse=""))

仅检查R中的连续NA值

2 个答案: