基于列子集的NAs修剪更优雅的解决方案

Question

对于stackoverflow社区来说，这是一个新年的困境，通过阅读过去的帖子和答案(这是我的第一个问题)，这个社区得到了很大的帮助。我已经找到了一个工作，但我想知道是否可以提出其他方法/解决方案。

我试图从大型data.frame中删除跟踪NA，但这些NA仅在data.frame的几个列中找到，并且我想保留输出中的所有列。下面是一个代表性的数据子集。

df=data.frame(var1=rep("A", 8), var2=c("a","b","c","d","e","f","g","h"), var3=c(0,1,NA,2,3,NA,NA,NA), var4=c(0,0,NA,4,5,NA,NA,NA), var5=c(0,0,NA,0,2,4,NA,NA))

过程目标:

1. 根据var3,var4和var5中NA的存在修剪尾NA
2. 保留最终输出中的所有列
3. 只删除后面的NAs(即第3行保留在记录中作为占位符)
4. 仅在所有列都有NA(即第7行和第8行，但不是第6行)时进行修剪

基于这些目标，解决方案应该删除df:

的最后两行

df.output = df[-c(7,8),]

na的行为。trim(在zoo包中)是理想的(因为它限制了对data.frame末尾带有sides="right"的NA的删除)，我的解决方法是修改NA .trim.default函数以包含一个子集术语。

有什么建议吗?非常感谢您的帮助。

编辑:为了完成这个问题，下面是我从na.trim.default代码中创建的函数，它也可以工作，但需要加载zoo包。

na.trim.multiplecols <-  function (object, colrange, sides = c("both", "left", "right"),     is.na = c("any","all"),...) 
{
is.na <- match.arg(is.na)
nisna <- if (is.na == "any" || length(dim(object[,colrange])) < 1) {
complete.cases(object[,colrange])
}
else rowSums(!is.na(object[,colrange])) > 0
idx <- switch(match.arg(sides), left = cumsum(nisna) > 0, 
            right = rev(cumsum(rev(nisna) > 0) > 0), both = (cumsum(nisna) > 
                                                               0) &       rev(cumsum(rev(nisna)) > 0))
if (length(dim(object)) < 2) 
object[idx]
else object[idx, , drop = FALSE]
}

Answer 1

基于max(which(!is.na()))的东西将工作。我们使用它从感兴趣的列中找到非缺失数据的最大索引。

使用你的df

ind <-  max(max(which(!is.na(df$var3))),
        max(which(!is.na(df$var4))),        
        max(which(!is.na(df$var5)))) 
df[1:ind, ]
   var1 var2 var3 var4 var5
 1    A    a    0    0    0
 2    A    b    1    0    0
 3    A    c   NA   NA   NA
 4    A    d    2    4    0
 5    A    e    3    5    2
 6    A    f   NA   NA    4

Answer 2

Edit:第一个碱rle和apply的解

t <- rle(apply(as.matrix(df[,3:5]), 1, function(x) all(is.na(x))))
r <- ifelse(t$values[length(t$values)] == TRUE, t$lengths[length(t$lengths)], 0)
head(df, -r)

第二个解决方案使用Rle从包IRanges:

require(IRanges)
t <- min(sapply(df[,3:5], function(x) {
    o <- Rle(x)
    val <- runValue(o)
    if (is.na(val[length(val)])) {
        len <- runLength(o)
        out <- len[length(len)]
    } else {
        out <- 0
    }
}))
head(df, -t)