資料結構
網路
關係資料庫管理系統 (RDBMS)
作業系統
Java
MS Excel
iOS
HTML
CSS
Android
Python
C語言程式設計
C++
C#
MongoDB
MySQL
Javascript
PHP
物理學
化學
生物學
數學
英語
經濟學
心理學
社會學
服裝設計
法學如何在R資料框的特定列中刪除包含NA值的行？
如果我們的資料框中存在缺失資料，如果我們有足夠的資訊瞭解資訊缺失的情況的特徵，則可以替換其中一些資料。但是，如果這些資訊不可用，並且我們找不到合適的替換缺失值的方法，則可以使用`complete.cases`函式以及包含缺失值的列。
示例
考慮以下資料框
> set.seed(19991) > x1<-sample(c(NA,rnorm(5,2,1)),20,replace=TRUE) > x2<-sample(c(NA,rnorm(5,40,0.87)),20,replace=TRUE) > x3<-sample(c(NA,rnorm(5,1,0.015)),20,replace=TRUE) > x4<-sample(c(NA,rnorm(10,5,1.27)),20,replace=TRUE) > x5<-sample(c(NA,rnorm(8,1,0.20)),20,replace=TRUE) > df1<-data.frame(x1,x2,x3,x4,x5) > df1
輸出
x1 x2 x3 x4 x5 1 0.8287962 39.74094 0.9983586 6.338327 0.8692225 2 1.3167347 NA NA 4.133738 0.8692225 3 3.9911408 38.84212 1.0047761 5.825111 0.8423061 4 0.6426335 39.74094 1.0047761 5.177329 NA 5 1.3167347 NA 0.9963252 5.073915 0.8423061 6 0.8287962 38.84212 0.9963252 5.154073 1.0566156 7 NA 40.36844 0.9927987 NA 0.8423061 8 0.1952913 40.36844 1.0047761 6.338327 NA 9 3.9911408 NA 1.0366262 5.154073 1.1936387 10 0.6426335 39.77818 0.9927987 5.177329 0.8557775 11 NA NA 1.0047761 7.216787 0.9506370 12 NA 38.84212 0.9983586 NA 0.8423061 13 1.3167347 39.77818 0.9963252 5.825111 0.8557775 14 0.8287962 39.77818 1.0366262 5.177329 NA 15 0.1952913 NA 0.9927987 5.073915 0.8692225 16 0.1952913 38.84212 1.0366262 5.154073 0.8286973 17 0.1952913 38.84212 1.0366262 NA 0.9506370 18 1.3167347 40.36844 0.9983586 NA 1.0566156 19 0.1952913 39.80231 NA 5.073915 NA 20 NA NA 0.9983586 5.073915 0.8557775
刪除df1中第3到5列包含NA的行
示例
> df1[complete.cases(df1[3:5]),]
輸出
x1 x2 x3 x4 x5 1 0.8287962 39.74094 0.9983586 6.338327 0.8692225 3 3.9911408 38.84212 1.0047761 5.825111 0.8423061 5 1.3167347 NA 0.9963252 5.073915 0.8423061 6 0.8287962 38.84212 0.9963252 5.154073 1.0566156 9 3.9911408 NA 1.0366262 5.154073 1.1936387 10 0.6426335 39.77818 0.9927987 5.177329 0.8557775 11 NA NA 1.0047761 7.216787 0.9506370 13 1.3167347 39.77818 0.9963252 5.825111 0.8557775 15 0.1952913 NA 0.9927987 5.073915 0.8692225 16 0.1952913 38.84212 1.0366262 5.154073 0.8286973 20 NA NA 0.9983586 5.073915 0.8557775
刪除df1中第1到3列包含NA的行
示例
> df1[complete.cases(df1[1:3]),]
輸出
x1 x2 x3 x4 x5 1 0.8287962 39.74094 0.9983586 6.338327 0.8692225 3 3.9911408 38.84212 1.0047761 5.825111 0.8423061 4 0.6426335 39.74094 1.0047761 5.177329 NA 6 0.8287962 38.84212 0.9963252 5.154073 1.0566156 8 0.1952913 40.36844 1.0047761 6.338327 NA 10 0.6426335 39.77818 0.9927987 5.177329 0.8557775 13 1.3167347 39.77818 0.9963252 5.825111 0.8557775 14 0.8287962 39.77818 1.0366262 5.177329 NA 16 0.1952913 38.84212 1.0366262 5.154073 0.8286973 17 0.1952913 38.84212 1.0366262 NA 0.9506370 18 1.3167347 40.36844 0.9983586 NA 1.0566156
刪除df1中第2到4列包含NA的行
示例
> df1[complete.cases(df1[2:4]),]
輸出
x1 x2 x3 x4 x5 1 0.8287962 39.74094 0.9983586 6.338327 0.8692225 3 3.9911408 38.84212 1.0047761 5.825111 0.8423061 4 0.6426335 39.74094 1.0047761 5.177329 NA 6 0.8287962 38.84212 0.9963252 5.154073 1.0566156 8 0.1952913 40.36844 1.0047761 6.338327 NA 10 0.6426335 39.77818 0.9927987 5.177329 0.8557775 13 1.3167347 39.77818 0.9963252 5.825111 0.8557775 14 0.8287962 39.77818 1.0366262 5.177329 NA 16 0.1952913 38.84212 1.0366262 5.154073 0.8286973
讓我們來看另一個例子
示例
> y1<-sample(c(NA,rpois(5,2)),20,replace=TRUE) > y2<-sample(c(NA,rpois(5,5)),20,replace=TRUE) > y3<-sample(c(NA,rpois(5,1)),20,replace=TRUE) > y4<-sample(c(NA,rpois(5,2)),20,replace=TRUE) > df2<-data.frame(y1,y2,y3,y4) > df2
輸出
y1 y2 y3 y4 1 0 2 0 NA 2 6 NA NA NA 3 0 9 1 1 4 6 4 NA 1 5 2 2 0 2 6 2 9 NA NA 7 6 2 0 1 8 2 4 1 NA 9 2 2 1 1 10 6 4 1 2 11 2 2 0 NA 12 6 2 3 1 13 0 4 1 1 14 2 4 1 0 15 2 9 0 1 16 2 2 1 1 17 2 9 NA 1 18 2 9 0 1 19 2 9 1 0 20 NA 2 3 1
示例
> df2[complete.cases(df2[1:3]),]
輸出
y1 y2 y3 y4 1 0 2 0 NA 3 0 9 1 1 5 2 2 0 2 7 6 2 0 1 8 2 4 1 NA 9 2 2 1 1 10 6 4 1 2 11 2 2 0 NA 12 6 2 3 1 13 0 4 1 1 14 2 4 1 0 15 2 9 0 1 16 2 2 1 1 18 2 9 0 1 19 2 9 1 0
示例
> df2[complete.cases(df2[2:4]),]
輸出
y1 y2 y3 y4 3 0 9 1 1 5 2 2 0 2 7 6 2 0 1 9 2 2 1 1 10 6 4 1 2 12 6 2 3 1 13 0 4 1 1 14 2 4 1 0 15 2 9 0 1 16 2 2 1 1 18 2 9 0 1 19 2 9 1 0 20 NA 2 3 1
示例
> df2[complete.cases(df2[c(1,3)]),]
輸出
y1 y2 y3 y4 1 0 2 0 NA 3 0 9 1 1 5 2 2 0 2 7 6 2 0 1 8 2 4 1 NA 9 2 2 1 1 10 6 4 1 2 11 2 2 0 NA 12 6 2 3 1 13 0 4 1 1 14 2 4 1 0 15 2 9 0 1 16 2 2 1 1 18 2 9 0 1 19 2 9 1 0
更新於：2020年11月21日
1K+ 次瀏覽
廣告