如果最近n次观察中没有任何NA，如何选择列？ 如果相邻NA的观测值多于x，如何删除列？

Question

我需要以下内容：

1）在以下情况下保留列：i）最后n个观测值（n = 3）不是NA，ii）根本没有NA，iii）从最后一个NA向后倒数，相邻的NA观测值不超过3

2）如果出现以下情况，请删除列：i）有3个或更多相邻的NA观测值

我想如果答案是使用dplyr

一些例子：

data = data.frame(
  A = c(3,3,3,3,4, rep(NA,5)),
  B = c(rnorm(10)),
  C = c(rep(NA,3), rnorm(7)),
  D = c(rnorm(8), NA, NA)
)

我试过了：

data %>% 
  select_if(~sum(!is.na(.)) >= 3)
  select_if(~sum(is.na(.)) > 0)

在我的示例中，我只保留B，C和D。

Answer 1

我们可以使用tail获取最后n个条目，并删除all均为NA的列。

n <- 3
library(dplyr)

data %>% select_if(~!all(is.na(tail(., n))))

#         B      C        D
#1   0.5697     NA  0.29145
#2  -0.1351     NA -0.44329
#3   2.4016     NA  0.00111
#4  -0.0392  0.153  0.07434
#5   0.6897  2.173 -0.58952
#6   0.0280  0.476 -0.56867
#7  -0.7433 -0.710 -0.13518
#8   0.1888  0.611  1.17809
#9  -1.8050 -0.934       NA
#10  1.4656 -1.254       NA

或采用反逻辑

data %>% select_if(~any(!is.na(tail(., n))))

对于第二个条件，

如果出现以下情况，请删除列：i）有3个或更多相邻的NA观测值

我们可以使用rle获取相邻值

data %>% select_if(~!any(with(rle(is.na(.)), lengths[values]) >= n))

#         B        D
#1   0.5697  0.29145
#2  -0.1351 -0.44329
#3   2.4016  0.00111
#4  -0.0392  0.07434
#5   0.6897 -0.58952
#6   0.0280 -0.56867
#7  -0.7433 -0.13518
#8   0.1888  1.17809
#9  -1.8050       NA
#10  1.4656       NA

---

由于我们已经有了这些功能，因此我们可以在base R和sapply使用相同的功能

#Condition 1
data[!sapply(data, function(x) all(is.na(tail(x, n))))]

#Condition 2
data[!sapply(data, function(x) any(with(rle(is.na(x)), lengths[values]) >= n))]