我需要以下内容:
1) 在以下情况下保留列:i) 最后 n 个观测值 (n = 3) 不是 NA,ii) 根本没有 NA,iii) 从最后一个 NA 向后,相邻的 NA 观测
值不超过 3 个2) 在以下情况下删除列:i) 有 3 个或更多相邻的 NA 观测值
我想知道答案是否是使用 dplyr
一些例子:
data = data.frame(
A = c(3,3,3,3,4, rep(NA,5)),
B = c(rnorm(10)),
C = c(rep(NA,3), rnorm(7)),
D = c(rnorm(8), NA, NA)
)
我试过:
data %>%
select_if(~sum(!is.na(.)) >= 3)
select_if(~sum(is.na(.)) > 0)
在我的示例中,我只保留 B、C 和 D。
我们可以使用tail
来获取最后n
条目,并删除其中all
NA
列。
n <- 3
library(dplyr)
data %>% select_if(~!all(is.na(tail(., n))))
# B C D
#1 0.5697 NA 0.29145
#2 -0.1351 NA -0.44329
#3 2.4016 NA 0.00111
#4 -0.0392 0.153 0.07434
#5 0.6897 2.173 -0.58952
#6 0.0280 0.476 -0.56867
#7 -0.7433 -0.710 -0.13518
#8 0.1888 0.611 1.17809
#9 -1.8050 -0.934 NA
#10 1.4656 -1.254 NA
或者使用反转逻辑
data %>% select_if(~any(!is.na(tail(., n))))
对于第二个条件,
在以下情况下删除列:i) 有 3 个或更多相邻的 NA 观测值
我们可以使用rle
来获取相邻值
data %>% select_if(~!any(with(rle(is.na(.)), lengths[values]) >= n))
# B D
#1 0.5697 0.29145
#2 -0.1351 -0.44329
#3 2.4016 0.00111
#4 -0.0392 0.07434
#5 0.6897 -0.58952
#6 0.0280 -0.56867
#7 -0.7433 -0.13518
#8 0.1888 1.17809
#9 -1.8050 NA
#10 1.4656 NA
由于我们已经有了这些函数,因此我们也可以在 base R 中使用相同的函数以及sapply
#Condition 1
data[!sapply(data, function(x) all(is.na(tail(x, n))))]
#Condition 2
data[!sapply(data, function(x) any(with(rle(is.na(x)), lengths[values]) >= n))]