一个 data.table 解决方案，用于删除具有超过一定百分比 NA 的变量答案

【问题标题】：A data.table solution to remove variables with more than a certain percentage NA一个 data.table 解决方案，用于删除具有超过一定百分比 NA 的变量
【发布时间】：2020-01-02 20:01:32
【问题描述】：

我一直在使用以下代码来删除具有太多NA 的变量：

DT <- DT[,colMeans(is.na(DT)) <= 0.1]

但是，在 data.table 上，这给出了：

library(data.table)
set.seed(1)
DT <- data.table(panelID = sample(50,50),                                                    # Creates a panel ID
                      Country = c(rep("Albania",30),rep("Belarus",50), rep("Chilipepper",20)),       
                      some_NA = sample(0:5, 6),                                             
                      some_NA_factor = sample(0:5, 6),         
                      Group = c(rep(1,20),rep(2,20),rep(3,20),rep(4,20),rep(5,20)),
                      Time = rep(seq(as.Date("2010-01-03"), length=20, by="1 month") - 1,5),
                      norm = round(runif(100)/10,2),
                      Income = round(rnorm(10,-5,5),2),
                      Happiness = sample(10,10),
                      Sex = round(rnorm(10,0.75,0.3),2),
                      Age = sample(100,100),
                      Educ = round(rnorm(10,0.75,0.3),2))           
DT [, uniqueID := .I]                                                                        # Creates a unique ID     
DT[DT == 0] <- NA                                                                            # https://stackoverflow.com/questions/11036989/replace-all-0-values-to-na
DT$some_NA_factor <- factor(DT$some_NA_factor)

> DT <- DT[,colMeans(is.na(DT)) <= 0.1]
> DT
       panelID        Country        some_NA some_NA_factor          Group           Time           norm         Income      Happiness            Sex            Age 
          TRUE           TRUE          FALSE          FALSE           TRUE           TRUE           TRUE           TRUE           TRUE           TRUE           TRUE 
          Educ       uniqueID 
          TRUE           TRUE

现在我显然可以每次都将我的数据集更改为数据帧，但由于我使用大型数据集，data.table 解决方案会更有效。正确的data.table 方法是什么？

【问题讨论】：

标签： r data.table na

【解决方案1】：

如果我们需要对列进行子集化

DT[, DT[,colMeans(is.na(.SD)) <= 0.1], with = FALSE]

【讨论】：

【解决方案2】：

或者使用.SDcols:

DT[, .SD, .SDcols = DT[, colMeans(is.na(.SD)) <= 0.1]]

【讨论】：