在 R 中删除多列答案

【问题标题】：Drop Multiple Columns in R在 R 中删除多列
【发布时间】：2021-06-10 16:57:35
【问题描述】：

我有 80k 行和 874 列的数据。其中一些列是空的。我在 for 循环中使用 sum(is.na) 来确定空列的索引。由于第一列不为空，如果 sum(is.na) 等于第一列的行数，则表示该列为空。

for (i in 1:ncol(loans)){
  if (sum(is.na(loans[i])) == nrow(loans[1])){
      print(i)
  }
}

现在我知道空列的索引，我想从数据中删除它们。我曾考虑将这些索引存储在一个数组中并将它们放入一个循环中，但我认为它不会起作用，因为带有数据的列将替换空列。我怎样才能放下它们？

【问题讨论】：

标签： r

【解决方案1】：

您应该尝试为您的问题提供一个玩具数据集。

loans <- data.frame(
  a = c(NA, NA, NA),
  b = c(1,2,3),
  c = c(1,2,3),
  d = c(1,2,3),
  e = c(NA, NA, NA)
)


loans[!sapply(loans, function(col) all(is.na(col)))]

sapply 循环遍历loans 的列，并应用匿名函数检查所有元素是否为 NA。然后它将输出强制转换为一个向量，在这种情况下是逻辑的。

tidyverse 选项：

loans[!purrr::map_lgl(loans, ~all(is.na(.x)))]

【讨论】：

【解决方案2】：

这行得通吗：

df <- data.frame(col1 = rep(NA, 5),
                 col2 = 1:5,
                 col3 = rep(NA,5),
                 col4 = 6:10)
df
  col1 col2 col3 col4
1   NA    1   NA    6
2   NA    2   NA    7
3   NA    3   NA    8
4   NA    4   NA    9
5   NA    5   NA   10
df[,which(colSums(df, na.rm = TRUE) == 0)] <- NULL
df
  col2 col4
1    1    6
2    2    7
3    3    8
4    4    9
5    5   10

另一种方法：

df[!apply(df, 2, function(x) all(is.na(x)))]
  col2 col4
1    1    6
2    2    7
3    3    8
4    4    9
5    5   10

【讨论】：

如果列中的所有内容都为 0，colSums(df, na.rm = TRUE) 不会计算为 0？
@zerz，它会，但考虑到 OP 的数据帧有 874 列和 80k 行，发生这种情况的可能性非常小。添加了另一种方法来解决这个问题。
还有：df[-which(colSums(df, na.rm = TRUE) == 0)]

【解决方案3】：

dplyr 解决方案：

df %>%
  select_if(!colSums(., na.rm = TRUE) == 0)

【讨论】：

【解决方案4】：

您可以尝试使用if else 和for loops 之类的基本技能来解决几乎所有问题，但缺点是速度较慢。

# evaluate each column, if a column meets your condition, remove it, then next
for (i in 1:length(loans)){
  if (sum(is.na(loans[,i])) == nrow(loans)){
    loans[,i] <- NULL
  }
}

【讨论】：

这里的问题是，如果一个空列被删除，下一个有数据的列正在替换它。因此，我想，在每次迭代中，您都有可能删除包含数据的列。
@VolkanDemir 好吧，我明白你的担忧。但是“if”语句决定了何时应该删除列，因此无论如何，包含数据的列都不会受到影响。
@VolkanDemir 因为您担心下一列数据正在替换已删除的数据。其实我以前从来没有想过这个。如果您使用小样本数据来测试我的方法，您就会知道它确实有效。但是你提出了一个很好的观点，我可能会就此提出一个问题。谢谢！