從具有重復值的數據框中刪除列

Question

我有以下包含字符和數字的數據框，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>

我想刪除所有條目“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") 。 似乎此操作不適用於數據幀。 有沒有其他選擇？

所需的輸出是：

 de 1 not found 234 2 2 NOT FOUND 3 3 <NA>

Answer 1

您可以使用帶有正則表達式的grepl來搜索與該表達式匹配的字符串，並僅保留某些元素不顯示匹配項的那些列（由FALSE grepl輸出指示），以便該列的匹配項數小於nrow(df) 。 此模式匹配以“not”開頭並以“found”結尾的字符串，並且grepl設置為不區分大小寫。

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>

我猜您還想刪除唯一非“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>