如何计数所有NA并删除该行？

Question

我有这样的数据

    df<-structure(list(best2 = c(8972.7, 1944, 2022.7, 13001.7, NA, 3228.6, 
NA, 186.4, 100, 2655.9), best3 = c(2634.4, 1181.3, 505.2, 2802.4, 
NA, 1707.6, NA, 186.4, 100, 1219), best4 = c(3079.3, 1512.9, 
NA, 2804.5, NA, 1597.6, NA, 186.4, 100, 1558.2), best5 = c(8972.7, 
1944, NA, 13001.7, NA, 3228.6, NA, 186.4, 100, 2655.9), best6 = c(2634.4, 
1181.3, NA, 2802.4, NA, 1707.6, NA, 186.4, 100, 1219), best7 = c(3079.3, 
1512.9, NA, 2804.5, NA, 1597.6, NA, 186.4, 100, 1558.2), best8 = c(8972.7, 
1944, NA, 13001.7, NA, 3228.6, NA, 186.4, 100, 2655.9), best9 = c(2634.4, 
1181.3, NA, 2802.4, NA, 1707.6, NA, 186.4, 100, 1219)), .Names = c("best2", 
"best3", "best4", "best5", "best6", "best7", "best8", "best9"
), row.names = c(NA, -10L), class = "data.frame")

我想一次把这些事情都做完

1-计算所有单元格为空或NA的行数。

答:2

2-为所有单元格计算具有恒定值的行。

答:2

3行数行，上半空单元格

答:0

4-计算下半空单元格行

答:1

Answer 1

我们可以使用apply函数迭代data.frame的行。然后，我们在逻辑向量上使用rowSums。

rowSums(all_logicals <- apply(df, 1, function(r){
    n <- length(r)
    nc2 <- n / 2
    nc2_plus1 <- nc2 + 1
    c('allNA' = all(is.na(r)),
    'allconstant' = (length(unique(r)) == 1 & !all(is.na(r))),
    'firsthalf' = all(is.na(r[1:nc2])) & !all(is.na(r[nc2_plus1:n])),
    'secondhalf' = all(is.na(r[nc2_plus1:n])) & !all(is.na(r[1:nc2])))
}))

  allNA allconstant   firsthalf  secondhalf 
      2           2           0           1 

查看传递给apply的rowSums的结果可能会有所帮助

all_logicals

             [,1]  [,2]  [,3]  [,4]  [,5]  [,6]  [,7]  [,8]  [,9] [,10]
allNA       FALSE FALSE FALSE FALSE  TRUE FALSE  TRUE FALSE FALSE FALSE
allconstant FALSE FALSE FALSE FALSE FALSE FALSE FALSE  TRUE  TRUE FALSE
firsthalf   FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
secondhalf  FALSE FALSE  TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE

编辑-使用结果删除行

我们可以使用all_logicals查找希望删除的行索引：

remove_rows <- unique(unlist(apply(all_logicals, 1, which)))
(df_sub <- df[-remove_rows,])

     best2  best3  best4   best5  best6  best7   best8  best9
1   8972.7 2634.4 3079.3  8972.7 2634.4 3079.3  8972.7 2634.4
2   1944.0 1181.3 1512.9  1944.0 1181.3 1512.9  1944.0 1181.3
4  13001.7 2802.4 2804.5 13001.7 2802.4 2804.5 13001.7 2802.4
6   3228.6 1707.6 1597.6  3228.6 1707.6 1597.6  3228.6 1707.6
10  2655.9 1219.0 1558.2  2655.9 1219.0 1558.2  2655.9 1219.0