在 data.frame 中显示带有 NA 的列答案

【问题标题】：Show columns with NAs in a data.frame在 data.frame 中显示带有 NA 的列
【发布时间】：2023-03-31 19:30:01
【问题描述】：

我想在包含缺失值的大型数据框中显示列的名称。基本上，我想要等价于 complete.cases(df) 但对于列，而不是行。有些列是非数字的，所以类似于

names(df[is.na(colMeans(df))])

返回“colMeans(df) 中的错误：‘x’必须是数字。”所以，我目前的解决方案是转置数据帧并运行 complete.cases，但我猜有一些 apply 的变体（或 plyr 中的某些东西）效率更高。

nacols <- function(df) {
  names(df[,!complete.cases(t(df))])
} 

w <- c("hello","goodbye","stuff")
x <- c(1,2,3)
y <- c(1,NA,0)
z <- c(1,0, NA)
tmp <- data.frame(w,x,y,z)

nacols(tmp)
[1] "y" "z"

谁能告诉我一个更有效的函数来识别具有 NA 的列？

【问题讨论】：

标签： r dataframe

【解决方案1】：

这是我所知道的最快的方式：

unlist(lapply(df, function(x) any(is.na(x))))

编辑：

我猜其他人都写完了，所以这里是完整的：

nacols <- function(df) {
    colnames(df)[unlist(lapply(df, function(x) any(is.na(x))))]
}

如果您在 WIN 7 机器上对这 4 个解决方案进行微基准测试：

Unit: microseconds
    expr     min      lq  median      uq        max
1 ANDRIE  85.380  91.911 106.375 116.639    863.124
2 MANOEL  87.712  93.778 105.908 118.971   8426.886
3  MOIRA 764.215 798.273 817.402 876.188 143039.632
4  TYLER  51.321  57.853  62.518  72.316   1365.136

这是一个视觉效果：

编辑在我写这篇文章的时候，anyNA 不存在或者我不知道。这可能会加快速度...根据?anyNA 的帮助手册：

通用函数anyNA 以一种可能更快的方式实现any(is.na(x))（尤其是对于原子向量）。

nacols <- function(df) {
    colnames(df)[unlist(lapply(df, function(x) anyNA(x)))]
}

【讨论】：

【解决方案2】：

这是一种方法：

colnames(tmp)[colSums(is.na(tmp)) > 0]

希望对你有帮助，

马诺尔

【讨论】：

【解决方案3】：

一种方式...

nacols <- function(x){
  y <- sapply(x, function(xx)any(is.na(xx)))
  names(y[y])
}  

nacols(tmp)
[1] "y" "z"

解释：由于结果 y 是一个逻辑向量，names(y[y]) 仅在 y 为 TRUE 的情况下返回 y 的名称。

【讨论】：

安德烈是我。我本来打算给所有给出正确答案的人投票，但我匆忙中投了反对票。后来当我看到你的投票是 0 而不是 2 时，我意识到了这一点，但后来我的投票被锁定了。解决它的唯一方法（我认为）是如果您编辑您的回复，我可以更改投票。