R：删除字符变量的多个空列答案

【问题标题】：R: Remove multiple empty columns of character variablesR：删除字符变量的多个空列
【发布时间】：2013-07-16 09:21:26
【问题描述】：

我有一个数据框，其中所有变量都是字符类型。许多列是完全空的，即只有变量标题在那里，但没有值。有没有办法将空列子集化？

【问题讨论】：

顺便说一句，空，你是指NA还是""？

标签： r is-empty isnullorempty

【解决方案1】：

如果您的空列是真的空字符列，则类似以下内容应该可以工作。如果您的“空”字符列包含空格，则需要对其进行修改。

样本数据：

mydf <- data.frame(
  A = c("a", "b"),
  B = c("y", ""),
  C = c("", ""),
  D = c("", ""),
  E = c("", "z")
)
mydf
#   A B C D E
# 1 a y      
# 2 b       z

识别并删除“空”列。

mydf[!sapply(mydf, function(x) all(x == ""))]
#   A B E
# 1 a y  
# 2 b   z

或者，按照@Roland 的建议：

> mydf[, colSums(mydf != "") != 0]
  A B E
1 a y  
2 b   z

【讨论】：

我只是建议扩展条件以防有 NA 值而不是“”：all(x == "" || is.na(x))。但它会失去一点优雅:)
mydf[,colSums(mydf!="")!=0] 可能会更快。
@Tomas，我的猜测是某些数据被错误地读取，导致空字符列，NA 与读取错误不同，但这是个好建议无论如何。
嗨阿南达...实际上，读入是正确的。外部数据以许多块的形式附加在一起。我必须解析出各个块并丢弃不相关的列。
@AnandaMahto 也许mydf[,colSums(mydf!="")>0] 更合你的口味？

【解决方案2】：

您可以执行以下任一操作：

emptycols <- sapply(df, function (k) all(is.na(k)))
df <- df[!emptycols]

或：

emptycols <- colSums(is.na(df)) == nrow(df)
df <- df[!emptycols]

如果你用空表示它们是""，则可以像这样调整第二种方法：

emptycols <- colSums(df == "") == nrow(df)

【讨论】：

这会引发错误。我认为 is.na() 仅适用于数字变量。
user702432，抛出的错误不是因为你在说什么，is.na 在字符向量上也可以正常工作。这是因为他正在将一个匿名函数传递给另一个函数。 @asb，我认为您不能那样做。你必须这样做sapply(df, function(x) all(is.na(x)))。
监督。刚刚修好了。

【解决方案3】：

如果您谈论的是所有值都是 NA 的列，请使用 janitor 包中的 remove_empty("cols")。

如果您有每个值都是空字符串 "" 的字符向量，您可以首先使用 dplyr 包中的 na_if 在整个 data.frame 中将这些值转换为 NA：

dat <- data.frame(
  x = c("a", "b", "c"),
  y = c("", "", ""),
  z = c(NA, NA, NA),
  stringsAsFactors = FALSE
)

dat
#>   x y  z
#> 1 a   NA
#> 2 b   NA
#> 3 c   NA

library(dplyr)
library(janitor)

dat %>%
  mutate_all(funs(na_if(., ""))) %>%
  remove_empty("cols")
#>   x
#> 1 a
#> 2 b
#> 3 c

【讨论】：

完美解决方案！但是贬值了。包装上说：此功能已弃用，请改用remove_empty("cols")。
@radek 很好，谢谢。我相应地更新了答案。

【解决方案4】：

我也有类似的情况——我正在使用一个大型公共记录数据库，但是当我将它缩减到我需要的日期范围和类别时，有大量的列没有被使用。有些是空白的，有些是 NA。

选择的答案：https://stackoverflow.com/a/17672737/233467 对我不起作用，但这样做：

df[!sapply(df, function (x) all(is.na(x) | x == ""))]

【讨论】：

【解决方案5】：

这取决于您所说的空是什么意思：是 NA 还是 ""，或者甚至可以是 " "？这样的事情可能会起作用：

df[,!apply(df, 2, function(x) all(gsub(" ", "", x)=="", na.rm=TRUE))]

【讨论】：

【解决方案6】：

这也可以由dplyr 和select_if 完成

`select_if(df,function(x){any(!is.na(x))})`

或使用is.null() 或x==""，具体取决于数据中空值的定义方式。

【讨论】：

【解决方案7】：

可以修改以下内容以排除包含任何指定变量的列。

newdf= df[, apply(df, 2, function(x) !any({is.na(x) | x== "" | 
x== "-4"} ) )]

【讨论】：

【解决方案8】：

使用purrr 包的简单解决方案：

purrr::discard(my_data_frame, ~all(is.na(.)))

【讨论】：

【解决方案9】：

如果你知道列索引，你可以使用

df[,-c(3, 5, 7)]

这将省略第 3、5、7 列。

【讨论】：

不幸的是我没有。有400+个变量，空列都是随机放置的。