删除有多个零的列

Question

我需要删除所有超过 1 个零的列。我目前正在使用df <- df[, colSums(df != 0) > 1]，但这不适用于所有具有许多零的列。如何解决这个问题或以不同的方式解决这个问题？

> tibble(df)
# A tibble: 551 x 1,046
            `aa`           `ab`           `ac`         `ad`         `ae`         `af` 
            <dbl>          <dbl>          <dbl>        <dbl>        <dbl>        <dbl>        
 1          32458          65068          32654        0            43115         1450         
 2          19387          38457          19447        0            22523          958         
 3          42690          85105          43247        0            14156         1088         
 4          62290         123325          61878        58422        36300         1145  

Answer 1

我们可以使用select 来选择逻辑表达式的mean 的列，即那些为0 的元素小于0.7

library(dplyr)
df %>%
    select(where(~ mean(. %in% 0) < 0.7))

-输出

    aa     ab    ac    ae   af
1 32458  65068 32654 43115 1450
2 19387  38457 19447 22523  958
3 42690  85105 43247 14156 1088
4 62290 123325 61878 36300 1145

如果是删除零值超过1个的列

df %>%
   select(where( ~sum(. %in% 0) < 2))

-输出

   aa     ab    ac    ae   af
1 32458  65068 32654 43115 1450
2 19387  38457 19447 22523  958
3 42690  85105 43247 14156 1088
4 62290 123325 61878 36300 1145

---

或base R中的类似选项

 Filter(function(x) mean(x %in% 0) < 0.7, df)
     aa     ab    ac    ae   af
1 32458  65068 32654 43115 1450
2 19387  38457 19447 22523  958
3 42690  85105 43247 14156 1088
4 62290 123325 61878 36300 1145

或使用sum 进行零计数

Filter(function(x) sum(x %in% 0) < 2, df)

数据

df <- structure(list(aa = c(32458L, 19387L, 42690L, 62290L), ab = c(65068L, 
38457L, 85105L, 123325L), ac = c(32654L, 19447L, 43247L, 61878L
), ad = c(0L, 0L, 0L, 58422L), ae = c(43115L, 22523L, 14156L, 
36300L), af = c(1450L, 958L, 1088L, 1145L)),
 class = "data.frame", row.names = c("1", 
"2", "3", "4"))

Answer 2

也许你可以试试下面的colMeans

df[colMeans(df == 0) < 0.7]