根据 R 中的条件删除数据框列

Question

我必须删除我的数据框中的列，它有 4000 多列和 180 行。我要设置的条件是删除数据框中的列:
(i) 如果该列中的值/条目少于两个，则删除该列
(ii) 如果没有两个连续(一个接一个)，则删除该列
列中的值。
(iii) 删除所有值为 NA 的列。
我提供了删除列的条件。这里的目的不仅仅是像“如何删除 data.table 中的列？”那样按名称查找列。
我说明如下:

A       B    C   D  E
0.018  NA    NA  NA NA
0.017  NA    NA  NA NA
0.019  NA    NA  NA NA
0.018  0.034 NA  NA NA
0.018  NA    NA  NA NA
0.015  NA    NA  NA 0.037
0.016  NA    NA  NA 0.031
0.019  NA    0.4 NA 0.025
0.016  0.03  NA  NA 0.035
0.018  NA    NA  NA 0.035
0.017  NA    NA  NA 0.043
0.023  NA    NA  NA 0.040
0.022  NA    NA  NA 0.042

所需的数据帧:

A       E
0.018   NA
0.017   NA
0.019   NA
0.018   NA
0.018   NA
0.015   0.037
0.016   0.031
0.019   0.025
0.016   0.035
0.018   0.035
0.017   0.043
0.023   0.040
0.022   0.042

如何将这三个条件合并到一个代码中。我很感激你在这方面的帮助。
可重现的例子

structure(list(Month = c("Jan-2000", "Feb-2000", "Mar-2000", 
"Apr-2000", "May-2000", "Jun-2000"), A.G.L.SJ.INVS...LON..DEAD...13.08.15 = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_), ABACUS.GROUP.DEAD...18.02.09 = c(0.00829384766220866, 
0.00332213653674028, 0, 0, NA, NA), ABB.R..IRS. = c(NA_real_, 
NA_real_, NA_real_, NA_real_, NA_real_, NA_real_)), .Names = c("Month", 
"A.G.L.SJ.INVS...LON..DEAD...13.08.15", "ABACUS.GROUP.DEAD...18.02.09", 
"ABB.R..IRS."), class = c("data.table", "data.frame"), row.names = c(NA, 
-6L), .internal.selfref = <pointer: 0x0000000001c90788>)

Answer 1

我觉得这一切都过于复杂了。条件 2 已经包含所有其余条件，就好像至少有两个非 NA列中的值，显然整列不是 NA s。如果一列中至少有两个连续的值，那么显然这一列包含多个值。因此，而不是 3 个条件，这一切都总结为一个条件(我不希望每列运行多个函数，而是在每列运行 diff 之后-对整个事情进行矢量化):

cond <- colSums(is.na(sapply(df, diff))) < nrow(df) - 1

这是有效的，因为如果列中没有连续的值，整个列将变为 NA s。

那么，只要

df[, cond, drop = FALSE]
#        A     E
# 1  0.018    NA
# 2  0.017    NA
# 3  0.019    NA
# 4  0.018    NA
# 5  0.018    NA
# 6  0.015 0.037
# 7  0.016 0.031
# 8  0.019 0.025
# 9  0.016 0.035
# 10 0.018 0.035
# 11 0.017 0.043
# 12 0.023 0.040
# 13 0.022 0.042

根据您的编辑 , 好像你有一个 data.table对象，您还有一个 Date列，因此代码需要一些修改。

cond <- df[, lapply(.SD, function(x) sum(is.na(diff(x)))) < .N - 1, .SDcols = -1] 
df[, c(TRUE, cond), with = FALSE]

一些解释:

我们想忽略计算中的第一列，因此我们指定 .SDcols = -1在我们的 .SD 上操作时(这意味着 S ub D ata in data.table 是)

.N只是行数(类似于 nrow(df)

下一步是按条件进行子集化。我们也不必忘记捕获第一列，所以我们从 c(TRUE,... 开始

最后，data.table默认情况下使用非标准评估，因此，如果您想像在 data.frame 中一样选择列您需要指定 with = FALSE

不过，更好的方法是使用 := NULL 通过引用删除列。

cond <- c(FALSE, df[, lapply(.SD, function(x) sum(is.na(diff(x)))) == .N - 1, .SDcols = -1])
df[, which(cond) := NULL]