选择具有最少 NA 值的列答案

【问题标题】：Select column that has the fewest NA values选择具有最少 NA 值的列
【发布时间】：2018-05-23 20:04:46
【问题描述】：

我正在使用一个产生两个输出列的数据框。一列总是比另一列有更多的 NA 值，但不是以任何可预测的方式。这是我的问题，如何使用 dplyr 选择 NA 值最少的列。我正在考虑使用 which.min 来决定，但不知道如何将它们放在一起。请注意，两列都包含 na 值，我想选择这些值中最少的那一列。

【问题讨论】：

标签： r select dplyr na

【解决方案1】：

您可以使用dplyr 和purrr 来做到这一点。

在which.min 内部，您首先使用map 计算列中的NA 数（可以是您在data.frame 中的列数。keep 部分仅返回那些实际具有NA 的列。 which.min 返回命名向量，我们取其名称并将其提供给 dplyr 的 select 函数。

我已经稍微概述了代码，以便您可以轻松查看哪些部分属于哪里。

library(purrr)
library(dplyr)


df %>% select(names(which.min(df %>% 
                                map(function(x) sum(is.na(x))) %>% 
                                keep(~ .x > 0)
                             )
                    )
              )

【讨论】：

【解决方案2】：

library(dplyr)

df <- tibble(a = c(rep(c(NA, 1:5), 4)),      # df with different NA counts/col
             b = c(rep(c(NA, NA, 2:5), 4)))



df %>% 
  summarise_all(funs(sum(is.na(.))))         # NA counts
#> # A tibble: 1 x 2
#>       a     b
#>   <int> <int>
#> 1     4     8

df %>%                                       # answer
  select_if(funs(which.min(sum(is.na(.)))))
#> # A tibble: 24 x 1
#>        a
#>    <int>
#>  1    NA
#>  2     1
#>  3     2
#>  4     3
#>  5     4
#>  6     5
#>  7    NA
#>  8     1
#>  9     2
#> 10     3
#> # ... with 14 more rows

由reprex package (v0.2.0) 于 2018 年 5 月 25 日创建。

【讨论】：