[英]How to remove all columns that contain more than 2000 NA values?
I did look up a similar example which used我确实查找了一个使用过的类似示例
## Some sample data
set.seed(0)
dat <- matrix(1:100, 10, 10)
dat[sample(1:100, 50)] <- NA
dat <- data.frame(dat)
## Remove columns with more than 50% NA
dat[, -which(colMeans(is.na(dat)) > 0.5)]
But I am not sure how to convert it into a number and not a percentage.但我不确定如何将其转换为数字而不是百分比。
One base R
option could be:一种
base R
选项可能是:
dat[, colMeans(is.na(dat)) <= 0.5]
X1 X2 X4 X5 X6 X8 X10
1 NA 11 NA NA NA 71 NA
2 NA 12 32 NA 52 72 NA
3 3 NA 33 NA 53 73 93
4 4 14 NA 44 NA NA 94
5 5 15 35 NA 55 75 95
6 NA NA 36 46 NA 76 NA
7 NA NA NA 47 57 NA 97
8 8 18 NA 48 NA 78 98
9 9 NA 39 NA 59 79 99
10 NA NA 40 50 NA 80 100
Or using a specified number:或者使用指定的数字:
dat[, colSums(is.na(dat)) <= 5]
Or using half of the rows as a criteria:或者使用一半的行作为标准:
dat[, colSums(is.na(dat)) <= nrow(dat)/2]
And the same idea with dplyr
:与
dplyr
相同的想法:
dat %>%
select_if(~ mean(is.na(.)) <= 0.5)
Or using a specified number:或者使用指定的数字:
dat %>%
select_if(~ sum(is.na(.)) <= 5)
Similarly, using half of the rows as a criteria:同样,使用一半的行作为标准:
dat %>%
select_if(~ sum(is.na(.)) <= length(.)/2)
或者你也可以计算它们:
dat[, -which(colSums(is.na(dat)) > 2000)]
Using purrr
:使用
purrr
:
purrr::discard(dat, ~sum(is.na(.x)) > 5)
X1 X2 X3 X5 X6 X7 X8
1 NA 11 NA 41 NA 61 71
2 NA 12 NA NA 52 62 NA
3 3 13 23 NA 53 63 NA
4 4 NA NA NA NA NA NA
5 5 15 NA NA 55 65 NA
6 NA 16 26 46 56 66 76
7 NA 17 27 47 57 67 77
8 8 NA NA 48 58 NA 78
9 9 19 29 49 NA NA NA
10 10 NA 30 50 60 NA 80
Alternatively:或者:
purrr::keep(dat, ~sum(is.na(.x)) <= 5)
X1 X2 X3 X5 X6 X7 X8
1 NA 11 NA 41 NA 61 71
2 NA 12 NA NA 52 62 NA
3 3 13 23 NA 53 63 NA
4 4 NA NA NA NA NA NA
5 5 15 NA NA 55 65 NA
6 NA 16 26 46 56 66 76
7 NA 17 27 47 57 67 77
8 8 NA NA 48 58 NA 78
9 9 19 29 49 NA NA NA
10 10 NA 30 50 60 NA 80
I multiplied it for 100 to keep it as percentage.我将它乘以 100 以保持百分比。 For you should look like this:
因为你应该看起来像这样:
##Keep only the columns that their NA values are not greater than 50%
dat<-dat[(colMeans(is.na(dat)))*100 <= 50]
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.