如何使用 lapply 删除 R 列表中缺失值过多的列？

Question

我有一个名为ls.df.val.dcas 的数据框列表。每个数据框都有不同的列，其中一些缺失值为 NA。我想在列表中使用lappy()，这样我就可以删除那些超过 X %（例如 40%）的值是 NA 的列。为了让您了解列表中的数据框的外观，我正在展示一个示例：

 $ SK_VALUES_IMV_EU28_INTRA  :'data.frame': 74 obs. of  65 variables:
  ..$ PERIOD  : Date[1:74], format: "2010-01-01" "2010-02-01" "2010-03-01" "2010-04-01" ...
  ..$ 2207    : num [1:74] 1078759 1850083 1872924 1038070 626471 ...
  ..$ 2208    : num [1:74] 3329179 7061890 1351550 1371469 1557605 ...
  ..$ 220710  : num [1:74] 1030704 1804495 1831958 972263 574855 ...
  ..$ 220720  : num [1:74] 48055 45588 40966 65807 51616 ...
  ..$ 220820  : num [1:74] 380843 1014933 71804 126348 138138 ...
  ..$ 220830  : num [1:74] 380007 459653 155033 205879 297446 ...
  ..$ 220840  : num [1:74] 41561 88449 31549 60768 117534 ...
  ..$ 220850  : num [1:74] 94483 340439 44949 32949 37550 ...
  ..$ 220860  : num [1:74] 371217 728521 143974 179311 254546 ...
  ..$ 220870  : num [1:74] 731231 1374532 228087 227772 230129 ...
  ..$ 22082014: num [1:74] NA 2531 1776 NA NA ...
$ RO_VALUES_IMV_EU28_EXTRA  :'data.frame':  74 obs. of  44 variables:
  ..$ PERIOD  : Date[1:74], format: "2010-01-01" "2010-02-01" "2010-03-01" "2010-04-01" ...
  ..$ 2207    : num [1:74] NA NA NA NA NA 5 NA NA NA NA ...
  ..$ 2208    : num [1:74] 312035 840540 315008 884357 100836 ...
  ..$ 220710  : num [1:74] NA NA NA NA NA 5 NA NA NA NA ...
  ..$ 220720  : num [1:74] NA NA NA NA NA NA NA NA NA NA ...
  ..$ 220820  : num [1:74] 3570 698 483 1087 1802 ...

我的不完整解决方案是基于计算每个数据框每列中的 NA 数量并计算 NA 的百分比。然后删除百分比超过 X% 的那些列。

# Counting the number of NA
ls.Nan <- lapply(ls.df.val.dcas, function(x) colSums(!is.na(x)))
# Calculating the lengths of all column
ls.size <- lapply(ls.df.val.dcas, function(x) dim(x))

# we want the first element of size which shows the number of rows.
ls.percen <- mapply(function(x,y) x/y[1] , x=ls.Nan, y=ls.size)
# keeping those columns that have more than half of the data on that category

mis.list <- sapply(ls.df.val.dcas, "]]" sapply(ls.percen, function(x) x >= NPI))

运行最后一行时出现以下错误。

Error: unexpected symbol in "mis.list <- sapply(ls.df.val.dcas, "]]" sapply"

最后我也喜欢将所有这些函数合并为一个函数，然后使用 lapply 一次。但是现在，我正在努力理解应用于数据帧列表的 lapply 索引系统。如果有人可以通过示例演示如何使用具有不同列表粒度的 lapply ，那就太好了。例如，当您想要更改列表的元素或列表中的数据框或列表的数据框中的列时，应如何编写函数。

编辑 鉴于下面关于忘记在“]]”之后加逗号的评论。我更正了代码，但仍然出现错误

> mis.list <- sapply(ls.df.val.dcas, "]]", sapply(ls.percen, function(x) x >= NPI))
Error in get(as.character(FUN), mode = "function", envir = envir) : 
  object ']]' of mode 'function' was not found

顺便说一下，NPI 只是列中 NA 的百分比阈值。例如，我将其设置为 NPI= 0.35

由于我怀疑该错误与我的数据结构有关，因此我添加了有关 ls.percen 结构的更多信息。

> str(ls.percen)
    List of 69
     $ AT_VALUES_IMV_EU28_EXTRA  : Named num [1:59] 1 0.635 1 0.378 0.338 ...
      ..- attr(*, "names")= chr [1:59] "PERIOD" "2207" "2208" "220710" ...
     $ AT_VALUES_IMV_EU28_INTRA  : Named num [1:67] 1 0.986 0.986 0.986 0.986 ...
      ..- attr(*, "names")= chr [1:67] "PERIOD" "2207" "2208" "220710" ...
     $ BE_VALUES_IMV_EU28_EXTRA  : Named num [1:57] 1 1 1 1 0.365 ...
      ..- attr(*, "names")= chr [1:57] "PERIOD" "2207" "2208" "220710" ...
     $ BE_VALUES_IMV_EU28_INTRA  : Named num [1:69] 1 0.986 0.986 0.986 0.986 ...
      ..- attr(*, "names")= chr [1:69] "PERIOD" "2207" "2208" "220710" ...

Answer 1

可能是一个简单的错字（而不是索引问题）：该消息说您缺少逗号，它可能应该是：

mis.list <- sapply( ls.df.val.dcas, "]]", sapply(ls.percen, function(x) x >= NPI))

我们没有看到“NPI”的定义。将前两个“lapply”调用合并（并返回所需的短 df 列表）可能更简单：

mis.lst <- lapply( ls.df.val.dcas, 
                  function(x) x[ , colSums(!is.na(x))/nrow(x) > .40 ] )

对于“[”的两个参数版本，您可以在“j”位置使用逻辑索引。