Ответы:
Попробуй это:
df <- df[,colSums(is.na(df))<nrow(df)]
Два подхода, предложенных до сих пор, терпят неудачу с большими наборами данных, которые (среди прочих проблем с памятью) они создают is.na(df)
, что будет объектом того же размера, что и df
.
Вот два подхода, которые более эффективны при использовании памяти и времени
Подход, использующий Filter
Filter(function(x)!all(is.na(x)), df)
и подход с использованием data.table (для общей эффективности использования времени и памяти)
library(data.table)
DT <- as.data.table(df)
DT[,which(unlist(lapply(DT, function(x)!all(is.na(x))))),with=F]
big_data <- replicate(10, data.frame(rep(NA, 1e6), sample(c(1:8,NA),1e6,T), sample(250,1e6,T)),simplify=F)
bd <- do.call(data.frame,big_data)
names(bd) <- paste0('X',seq_len(30))
DT <- as.data.table(bd)
system.time({df1 <- bd[,colSums(is.na(bd) < nrow(bd))]})
# error -- can't allocate vector of size ...
system.time({df2 <- bd[, !apply(is.na(bd), 2, all)]})
# error -- can't allocate vector of size ...
system.time({df3 <- Filter(function(x)!all(is.na(x)), bd)})
## user system elapsed
## 0.26 0.03 0.29
system.time({DT1 <- DT[,which(unlist(lapply(DT, function(x)!all(is.na(x))))),with=F]})
## user system elapsed
## 0.14 0.03 0.18
data.frame
, хотя. Здесь нет ничего, что действительно нужно data.table
. Ключ - это то lapply
, что позволяет избежать копирования всего объекта is.na(df)
. +10 за указание на это.
bd1 <- bd[, unlist(lapply(bd, function(x), !all(is.na(x))))]
,
после function(x)
- спасибо за пример, кстати
dplyr
теперь есть select_if
глагол, который может быть полезен здесь:
library(dplyr)
temp <- data.frame(x = 1:5, y = c(1,2,NA,4, 5), z = rep(NA, 5))
not_all_na <- function(x) any(!is.na(x))
not_any_na <- function(x) all(!is.na(x))
> temp
x y z
1 1 1 NA
2 2 2 NA
3 3 NA NA
4 4 4 NA
5 5 5 NA
> temp %>% select_if(not_all_na)
x y
1 1 1
2 2 2
3 3 NA
4 4 4
5 5 5
> temp %>% select_if(not_any_na)
x
1 1
2 2
3 3
4 4
5 5
dplyr
решения. Не был разочарован. Спасибо!
Другим способом было бы использовать apply()
функцию.
Если у вас есть data.frame
df <- data.frame (var1 = c(1:7,NA),
var2 = c(1,2,1,3,4,NA,NA,9),
var3 = c(NA)
)
тогда вы можете использовать, apply()
чтобы увидеть, какие столбцы соответствуют вашему условию, и вы можете просто выполнить то же подмножество, что и в ответе Мусы, только с apply
подходом.
> !apply (is.na(df), 2, all)
var1 var2 var3
TRUE TRUE FALSE
> df[, !apply(is.na(df), 2, all)]
var1 var2
1 1 1
2 2 2
3 3 1
4 4 3
5 5 4
6 6 NA
7 7 NA
8 NA 9
Принятый ответ не работает с нечисловыми столбцами. Из этого ответа следующее работает со столбцами, содержащими разные типы данных
Filter(function(x) !all(is.na(x)), df)
Я надеюсь, что это также может помочь. Это может быть сделано в одну команду, но мне было легче читать, разделив его на две команды. Я сделал функцию со следующей инструкцией и работал молниеносно.
naColsRemoval = function (DataTable) {
na.cols = DataTable [ , .( which ( apply ( is.na ( .SD ) , 2 , all ) ) )]
DataTable [ , unlist (na.cols) := NULL , with = F]
}
При желании .SD позволит ограничить проверку частью таблицы, но при этом вся таблица будет считаться
Вы можете использовать пакет Дворник remove_empty
library(janitor)
df %>%
remove_empty(c("rows", "cols")) #select either row or cols or both
Кроме того, еще один подход dplyr
library(dplyr)
df %>% select_if(~all(!is.na(.)))
ИЛИ
df %>% select_if(colSums(!is.na(.)) == nrow(df))
это также полезно, если вы хотите исключить / сохранить столбец с определенным количеством пропущенных значений, например
df %>% select_if(colSums(!is.na(.))>500)