[英]Removing columns from a data frame with repeated values
我有以下包含字符和数字的数据框,以及 NA:
df <- data.frame(a=c("notfound","NOT FOUND","NOT FOUND"), b=c(NA,"NOT FOUND","NOT FOUND"), c=c("not found",2,3), d=c("not found","NOT FOUND","NOT FOUND"), e=c("234","NOT FOUND",NA))
abcde 1 notfound <NA> not found not found 234 2 NOT FOUND NOT FOUND 2 NOT FOUND NOT FOUND 3 NOT FOUND NOT FOUND 3 NOT FOUND <NA>
我想删除所有条目“未找到”、“未找到”、“未找到”、“未找到”的所有列。 基本上如果tolower(gsub(" ","",df)=="notfound")
。 似乎此操作不适用于数据帧。 有没有其他选择?
所需的输出是:
de 1 not found 234 2 2 NOT FOUND 3 3 <NA>
您可以使用带有正则表达式的grepl
来搜索与该表达式匹配的字符串,并仅保留某些元素不显示匹配项的那些列(由FALSE
grepl
输出指示),以便该列的匹配项数小于nrow(df)
。 此模式匹配以“not”开头并以“found”结尾的字符串,并且grepl
设置为不区分大小写。
is_nf <-
sapply(df, grepl, pattern = '(?=^not).*found$',
perl = TRUE, ignore.case = TRUE)
df[colSums(is_nf) < nrow(df)]
# b c e
# 1 <NA> not found 234
# 2 NOT FOUND 2 NOT FOUND
# 3 NOT FOUND 3 <NA>
我猜您还想删除唯一非“未找到”是 NA 的列。
is_na <- is.na(df)
df[colSums(is_nf | is_na) < nrow(df)]
# c e
# 1 not found 234
# 2 2 NOT FOUND
# 3 3 <NA>
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.