Zeilen mit allen oder einigen NAs (fehlenden Werten) im data.frame entfernen

Question

Ich würde gerne die Zeilen in diesem Datenrahmen entfernen, die:

a) enthalten NA s über alle Spalten hinweg. Nachfolgend finden Sie ein Beispiel für einen Datenrahmen.

             gene hsap mmul mmus rnor cfam
1 ENSG00000208234    0   NA   NA   NA   NA
2 ENSG00000199674    0   2    2    2    2
3 ENSG00000221622    0   NA   NA   NA   NA
4 ENSG00000207604    0   NA   NA   1    2
5 ENSG00000207431    0   NA   NA   NA   NA
6 ENSG00000221312    0   1    2    3    2

Im Grunde möchte ich einen Datenrahmen wie den folgenden erhalten.

             gene hsap mmul mmus rnor cfam
2 ENSG00000199674    0   2    2    2    2
6 ENSG00000221312    0   1    2    3    2

b) enthalten NA s nur in einigen Spalten so kann ich auch dieses Ergebnis erhalten:

             gene hsap mmul mmus rnor cfam
2 ENSG00000199674    0   2    2    2    2
4 ENSG00000207604    0   NA   NA   1    2
6 ENSG00000221312    0   1    2    3    2

Answer 1

Prüfen Sie auch complete.cases :

> final[complete.cases(final), ]
             gene hsap mmul mmus rnor cfam
2 ENSG00000199674    0    2    2    2    2
6 ENSG00000221312    0    1    2    3    2

na.omit ist besser geeignet, um einfach alle NA 's. complete.cases ermöglicht eine Teilauswahl, indem nur bestimmte Spalten des Datenrahmens einbezogen werden:

> final[complete.cases(final[ , 5:6]),]
             gene hsap mmul mmus rnor cfam
2 ENSG00000199674    0    2    2    2    2
4 ENSG00000207604    0   NA   NA    1    2
6 ENSG00000221312    0    1    2    3    2

Ihre Lösung kann nicht funktionieren. Wenn Sie darauf bestehen, die is.na dann müssen Sie etwas tun wie:

> final[rowSums(is.na(final[ , 5:6])) == 0, ]
             gene hsap mmul mmus rnor cfam
2 ENSG00000199674    0    2    2    2    2
4 ENSG00000207604    0   NA   NA    1    2
6 ENSG00000221312    0    1    2    3    2

sondern mit complete.cases ist sehr viel übersichtlicher und schneller.

Answer 2

Essayez na.omit(your.data.frame) . Versuchen Sie, die zweite Frage als weitere Frage zu stellen (aus Gründen der Klarheit).

Answer 3

tidyr hat eine neue Funktion drop_na :

library(tidyr)
df %>% drop_na()
#              gene hsap mmul mmus rnor cfam
# 2 ENSG00000199674    0    2    2    2    2
# 6 ENSG00000221312    0    1    2    3    2
df %>% drop_na(rnor, cfam)
#              gene hsap mmul mmus rnor cfam
# 2 ENSG00000199674    0    2    2    2    2
# 4 ENSG00000207604    0   NA   NA    1    2
# 6 ENSG00000221312    0    1    2    3    2

Answer 4

Ich bevorzuge die folgende Methode, um zu prüfen, ob Zeilen irgendwelche NAs enthalten:

row.has.na <- apply(final, 1, function(x){any(is.na(x))})

Dies gibt einen logischen Vektor mit Werten zurück, die angeben, ob eine Zeile NA enthält. Sie können damit feststellen, wie viele Zeilen Sie streichen müssen:

sum(row.has.na)

und lassen sie schließlich fallen

final.filtered <- final[!row.has.na,]

Für das Filtern von Zeilen mit bestimmten Teilen von NAs wird es ein wenig kniffliger (zum Beispiel können Sie 'final[,5:6]' an 'apply' übergeben). Im Allgemeinen scheint die Lösung von Joris Meys eleganter zu sein.

Answer 5

Wenn Sie kontrollieren möchten, wie viele NAs für jede Zeile gültig sind, können Sie diese Funktion verwenden. Bei vielen Umfragedatensätzen können zu viele leere Fragebeantwortungen die Ergebnisse verfälschen. Daher werden sie ab einem bestimmten Schwellenwert gelöscht. Mit dieser Funktion können Sie festlegen, wie viele NAs die Zeile haben darf, bevor sie gelöscht wird:

delete.na <- function(DF, n=0) {
  DF[rowSums(is.na(DF)) <= n,]
}

Standardmäßig werden alle NAs eliminiert:

delete.na(final)
             gene hsap mmul mmus rnor cfam
2 ENSG00000199674    0    2    2    2    2
6 ENSG00000221312    0    1    2    3    2

Oder geben Sie die maximal zulässige Anzahl von NAs an:

delete.na(final, 2)
             gene hsap mmul mmus rnor cfam
2 ENSG00000199674    0    2    2    2    2
4 ENSG00000207604    0   NA   NA    1    2
6 ENSG00000221312    0    1    2    3    2