在R中使用NA值子集删除行的有效方法

Question

背景 在运行逐步模型选择之前，我需要删除任何模型项的缺失值。由于我的模型中有很多项，因此我需要在很多向量中查找 NA 值（并删除任何这些向量中具有 NA 值的任何行）。但是，也有一些向量包含我不想用作删除行的术语/标准的 NA 值。

问题 如何从包含任何向量列表的 NA 值的数据框中删除行？我目前正在使用一系列 !is.na 的笨拙方法

> my.df[!is.na(my.df$termA)&!is.na(my.df$termB)&!is.na(my.df$termD),]

但我相信还有更优雅的方法。

Answer 1

编辑：我完全忽略了subset，这是用于子设置的内置函数：

my.df <- subset(my.df, 
  !(is.na(termA) |
    is.na(termB) |
    is.na(termC) )
  )

---

我倾向于将with() 用于此类事情。不要使用attach，你一定会割伤自己。

my.df <- my.df[with(my.df, {
  !(is.na(termA) |
    is.na(termB) |
    is.na(termC) )
}), ]

但如果你经常这样做，你可能还需要一个辅助函数，is_any()

is_any <- function(x){
  !is.na(x)
}

如果您最终做了很多此类事情，那么使用 SQL 通常会更好地与数据子集进行交互。 dplyr 也可能有用。

Answer 2

让dat 是一个数据框，cols 是一个由感兴趣的列名或列号组成的向量。然后就可以使用了

dat[!rowSums(is.na(dat[cols])), ]

排除包含至少一个NA 的所有行。

Answer 3

这是一种方式：

#  create some random data
df <- data.frame(y=rnorm(100),x1=rnorm(100), x2=rnorm(100),x3=rnorm(100))
# introduce random NA's
df[round(runif(10,1,100)),]$x1 <- NA
df[round(runif(10,1,100)),]$x2 <- NA
df[round(runif(10,1,100)),]$x3 <- NA

# this does the actual work...
# assumes data is in columns 2:4, but can be anywhere
for (i in 2:4) {df <- df[!is.na(df[,i]),]}

还有一个，使用sapply(...) 和Reduce(...)：

xx <- data.frame(!sapply(df[2:4],is.na))
yy <- Reduce("&",xx)
zz <- df[yy,]

第一条语句将函数is.na(...)“应用”到df的第2:4列，并反转结果（我们想要!NA）。第二条语句将逻辑& 运算符连续应用于xx 的列。第三条语句仅提取带有yy=T 的行。显然，这可以组合成一个极其复杂的陈述。

zz <-df[Reduce("&",data.frame(!sapply(df[2:4],is.na))),]

如果您有很多列，使用 sapply(...) 和 Reduce(...) 会更快。

最后，大多数建模函数都具有可以设置为直接处理 NA 的参数（无需求助于所有这些）。例如，参见lm(...) 中的na.action 参数。