如何在 R data.frame 中查找和删除包含超过 k 个连续零的列？答案

【问题标题】：How to find and remove columns containing more than k consecutive zeros in R data.frame?如何在 R data.frame 中查找和删除包含超过 k 个连续零的列？
【发布时间】：2017-11-11 15:21:32
【问题描述】：

我有一个巨大的data.frame，其中包含大约 200 个变量，每个变量由一列表示。不幸的是，数据来自格式不正确的数据转储（因此无法修改），它表示缺失值和零为0。一个月内每5分钟观察一次数据，只有0s的一天可以合理地认为是计数器没有工作的一天，从而得出结论，那些0s实际上是NAs。

我想在任何时候查找（并删除）至少有 288 个连续 0s 的列。或者，更一般地说，我们如何从包含 >=k 个连续 0s 的 data.frame 中删除列？

我对 R 比较陌生，如果有任何帮助，我将不胜感激。谢谢！

编辑：这是一个可重现的示例。考虑到 k=4，我想删除列 A 和 B（但不是 C，因为 0s 不是连续的）。

df<-data.frame(A=c(4,5,8,2,0,0,0,0,6,3), B=c(3,0,0,0,0,6,8,2,1,0), C=c(4,5,6,0,3,0,2,1,0,0), D=c(1:10))
df
   A B C D
1  4 3 4  1
2  5 0 5  2
3  8 0 6  3
4  2 0 0  4
5  0 0 3  5
6  0 6 0  6
7  0 8 2  7
8  0 2 1  8
9  6 1 0  9
10 3 0 0 10

【问题讨论】：

您介意发布您的数据的简短格式吗？看看here。你会更容易找到帮助
如果您阅读 @DJJ 链接并提供示例数据集，我可以向您展示如何使用 sapply 对您的数据使用该函数。
@DJJ 添加示例数据
@Masoud 接受了您的回答。谢谢

标签： r dataframe data-cleaning

【解决方案1】：

您可以对您的数据使用此功能：

cons.Zeros <- function (x, n)
{
    x <- x[!is.na(x)] == 0
    r <- rle(x)
    any(r$lengths[r$values] >= n)
}

此函数为需要删除的列返回TRUE。 n 是您希望删除列的连续零的数量。

对于您的示例数据集，让我们使用n = 3;

df.dropped <- df[, !sapply(df, cons.Zeros, n=3)]

#output:
# > df.dropped 

#    C  D 
# 1  4  1 
# 2  5  2 
# 3  6  3 
# 4  0  4 
# 5  3  5 
# 6  0  6 
# 7  2  7 
# 8  1  8 
# 9  0  9 
# 10 0 10

【讨论】：