是否可以使用dplyr过滤data.frame？当然，具有所有变量列表的complete.cases当然可以。但这是a）详细说明有很多变量时，b）当变量名不知道时不可能（例如，在处理任何数据的函数中）。
library(dplyr)
df = data.frame(
x1 = c(1,2,3,NA),
x2 = c(1,2,NA,5)
)
df %.%
filter(complete.cases(x1,x2))
尝试以下：
df %>% na.omit
或以下：
df %>% filter(complete.cases(.))
或以下：
library(tidyr)
df %>% drop_na
如果要根据一个变量的丢失过滤，请使用条件：
df %>% filter(!is.na(x1))
或
df %>% drop_na(x1)
其他答案表明，上述解决方案的na.omit的解决方案要慢得多，但必须与na.action属性中省略的行的行返回的行索引保持平衡。
str(df %>% na.omit)
## 'data.frame': 2 obs. of 2 variables:
## $ x1: num 1 2
## $ x2: num 1 2
## - attr(*, "na.action")= 'omit' Named int 3 4
## ..- attr(*, "names")= chr "3" "4"
添加已更新以反映最新版本的dplyr和评论。
添加已更新以反映最新版本的TIDYR和评论。
这对我有用：
df %>%
filter(complete.cases(df))
或更一般的：
library(dplyr) # 0.4
df %>% filter(complete.cases(.))
这将具有一个优势，即在将数据传递给过滤器之前可以在链中修改。
另一个带有更多列的基准：
set.seed(123)
x <- sample(1e5,1e5*26, replace = TRUE)
x[sample(seq_along(x), 1e3)] <- NA
df <- as.data.frame(matrix(x, ncol = 26))
library(microbenchmark)
microbenchmark(
na.omit = {df %>% na.omit},
filter.anonymous = {df %>% (function(x) filter(x, complete.cases(x)))},
rowSums = {df %>% filter(rowSums(is.na(.)) == 0L)},
filter = {df %>% filter(complete.cases(.))},
times = 20L,
unit = "relative")
#Unit: relative
# expr min lq median uq max neval
# na.omit 12.252048 11.248707 11.327005 11.0623422 12.823233 20
#filter.anonymous 1.149305 1.022891 1.013779 0.9948659 4.668691 20
# rowSums 2.281002 2.377807 2.420615 2.3467519 5.223077 20
# filter 1.000000 1.000000 1.000000 1.0000000 1.000000 20
这是Grothendieck答复的一些基准结果。Na.omit（）花费20倍的时间与其他两个解决方案一样多。我认为，如果Dplyr可以作为过滤器的一部分，Dplyr对此有一个功能。
library('rbenchmark')
library('dplyr')
n = 5e6
n.na = 100000
df = data.frame(
x1 = sample(1:10, n, replace=TRUE),
x2 = sample(1:10, n, replace=TRUE)
)
df$x1[sample(1:n, n.na)] = NA
df$x2[sample(1:n, n.na)] = NA
benchmark(
df %>% filter(complete.cases(x1,x2)),
df %>% na.omit(),
df %>% (function(x) filter(x, complete.cases(x)))()
, replications=50)
# test replications elapsed relative
# 3 df %.% (function(x) filter(x, complete.cases(x)))() 50 5.422 1.000
# 1 df %.% filter(complete.cases(x1, x2)) 50 6.262 1.155
# 2 df %.% na.omit() 50 109.618 20.217
这是一个简短的功能，可让您指定列（基本上是dplyr::select可以理解的所有内容），该列不应该具有任何Na值（在Pandas df.dropna（）之后建模）：
drop_na <- function(data, ...){
if (missing(...)){
f = complete.cases(data)
} else {
f <- complete.cases(select_(data, .dots = lazyeval::lazy_dots(...)))
}
filter(data, f)
}
[drop_na现在是Tidyr的一部分：以上可以用library("tidyr")替换]
示例：
library("dplyr")
df <- data.frame(a=c(1,2,3,4,NA), b=c(NA,1,2,3,4), ac=c(1,2,NA,3,4))
df %>% drop_na(a,b)
df %>% drop_na(starts_with("a"))
df %>% drop_na() # drops all rows with NAs
尝试此
df[complete.cases(df),] #output to console
甚至这个
df.complete <- df[complete.cases(df),] #assign to a new data.frame
上面的命令负责检查所有列的完整性（变量）在您的data.frame中。
仅仅是为了完整性，可以完全避免使用dplyr::filter，但仍然可以通过使用magrittr:extract（[的别名）来构成链条：
library(magrittr)
df = data.frame(
x1 = c(1,2,3,NA),
x2 = c(1,2,NA,5))
df %>%
extract(complete.cases(.), )
额外的奖励是速度，这是filter和na.omit变体中最快的方法（使用@MihaTroštmicrobenchs测试）。
dplyr＆gt; = 1.0.4
if_any和if_all在dplyr的较新版本中可用，以在filter函数中应用across类别语法。如果您在数据范围中有其他变量不是您认为完整案例的一部分，这可能会很有用。例如，如果您只想在" x＆quot"开头的列中的无误行，
library(dplyr)
df = data.frame(
x1 = c(1,2,3,NA),
x2 = c(1,2,NA,5),
y = c(NA, "A", "B", "C")
)
df %>%
dplyr::filter(if_all(starts_with("x"), ~!is.na(.)))
x1 x2 y
1 1 1 <NA>
2 2 2 A
有关这些功能的更多信息，请参见此链接。