r - 如何删除包含超过 2000 个 NA 值的所有列？

Question

我确实查找了一个类似的例子，它使用了

## Some sample data
set.seed(0)
dat <- matrix(1:100, 10, 10)
dat[sample(1:100, 50)] <- NA
dat <- data.frame(dat)
## Remove columns with more than 50% NA
dat[, -which(colMeans(is.na(dat)) > 0.5)]

但我不确定如何将其转换为数字而不是百分比。

Answer 1

一个 base R 选项可以是:

dat[, colMeans(is.na(dat)) <= 0.5]

   X1 X2 X4 X5 X6 X8 X10
1  NA 11 NA NA NA 71  NA
2  NA 12 32 NA 52 72  NA
3   3 NA 33 NA 53 73  93
4   4 14 NA 44 NA NA  94
5   5 15 35 NA 55 75  95
6  NA NA 36 46 NA 76  NA
7  NA NA NA 47 57 NA  97
8   8 18 NA 48 NA 78  98
9   9 NA 39 NA 59 79  99
10 NA NA 40 50 NA 80 100

或者使用指定的数字:

dat[, colSums(is.na(dat)) <= 5]

或者以行数的一半为标准:

dat[, colSums(is.na(dat)) <= nrow(dat)/2]

与 dplyr 相同的想法:

dat %>%
 select_if(~ mean(is.na(.)) <= 0.5)

或者使用指定的数字:

dat %>%
 select_if(~ sum(is.na(.)) <= 5)

同样，以行数的一半为标准:

dat %>%
 select_if(~ sum(is.na(.)) <= length(.)/2)