背景
这是一个玩具df
:
df <- data.frame(ID = c("a","b","c","d","e","f"),
gender = c("f","f","m","f","m","m"),
zip = c(48601,NA,29910,54220,NA,44663),stringsAsFactors=FALSE)
正如您所看到的,我在zip
列中有几个NA
值。
问题
我试图从df
中随机抽取2整行,但我希望它们是zip
不为空的行。
我尝试过的
这个代码给我一个基本的(即无条件的)随机样本:
df2 <- df[sample(nrow(df), 2), ]
当然,这只会让我达到目标的一半——很多时候它会返回一行zip
中的NA
值。此代码尝试添加条件:
df2 <- df[sample(nrow(df$zip != NA), 2), ]
我想我已经接近了,但这会产生一个错误invalid first argument
。
有什么想法吗?
我们可以使用is.na
tmp <- df[!is.na(df$zip),]
> tmp[sample(nrow(tmp), 2),]
我们可以使用rownames
+na.omit
对行进行采样
> df[sample(rownames(na.omit(df["zip"])), 2),]
ID gender zip
3 c m 29910
4 d f 54220
这是一个带有complete.cases()
的基本R解决方案
# define a logical vector to identify NA
x <- complete.cases(df)
# subset only not NA values
df_no_na <- df[x,]
# do the sample
df_no_na[sample(nrow(df_no_na), 2),]
输出:
ID gender zip
3 c m 29910
6 f m 44663
对于tidyverse
爱好者来说。。。
library("dplyr")
df %>%
tidyr::drop_na() %>%
dplyr::slice_sample(n = 2)
如果您关心的zip
列中只有NA,则:
df %>%
tidyr::drop_na(zip) %>%
dplyr::slice_sample(n = 2)
这里重要的是避免创建不必要的第二个数据帧,同时删除NA值。您可以使用另一个答案中给出的na.omit
使用该解决方案,但也可以使用which
返回要采样的有效行列表。例如:
nsamp <- 23
df[sample(which(!is.na(df$zip)), nsamp), ]
这样做的好处是which
内部的条件可以是任何您喜欢的条件,无论它是否包含缺失值。例如,该版本将从所有邮政编码中以336开头的女性行中进行采样:
df[sample(which(df$gender=='f' & grepl('^336', df$zip)), nsamp), ]