我有一个非常大的数据框（df），大约有 35-45 列（变量）和大于 300 的行。一些行包含单个的 NA、NaN、Inf、-Inf 值或多个变量，我用过
na.omit(df) 删除带有 NA 和 NaN 的行，但我无法使用 na.omit 函数删除带有 Inf 和 -Inf 值的行。
在搜索时，我遇到了这个线程 Remove rows with Inf and NaN in R 并使用了修改后的代码 df[is.finite(df)]，但它没有删除带有 Inf 和 -Inf 的行并且也给出了这个错误
is.finite(df) 中的错误：未为类型实现默认方法 '列表'
已编辑
即使对应的一列或多列有inf和-inf，也要删除整行
【问题讨论】：
要删除带有 +/-Inf 的行，我建议如下：
df <- df[!is.infinite(rowSums(df)),]
或者，等价的，
df <- df[is.finite(rowSums(df)),]
第二个选项（带有is.finite() 且不带否定的选项）也会删除包含NA 值的行，以防这尚未完成。
【讨论】：
NA+Inf 给出NA 和is.infinite(NA) 返回FALSE。
NA。
!is.infinite() 和is.finite() 之间的区别。我今天学到了一些东西;-)
rowSums()求和应该不会特别费时。
根据数据，有几个选项使用dplyr::filter() 和is.finite() 或is.infinite() 的范围变体可能有用：
library(dplyr)
# sample data
df <- data_frame(a = c(1, 2, 3, NA), b = c(5, Inf, 8, 8), c = c(9, 10, Inf, 11), d = c('a', 'b', 'c', 'd'))
# across all columns:
df %>%
filter_all(all_vars(!is.infinite(.)))
# note that is.finite() does not work with NA or strings:
df %>%
filter_all(all_vars(is.finite(.)))
# checking only numeric columns:
df %>%
filter_if(~is.numeric(.), all_vars(!is.infinite(.)))
# checking only select columns, in this case a through c:
df %>%
filter_at(vars(a:c), all_vars(!is.infinite(.)))
【讨论】：
is.finite 适用于 vector 而不是 data.frame 对象。因此，我们可以使用 lapply 循环遍历 data.frame 并仅获取“有限”值。
lapply(df, function(x) x[is.finite(x)])
如果每列的Inf、-Inf 值的数量不同，则上面的代码将有一个list，其中的元素具有不相等的length。因此，最好将其保留为list。如果我们想要一个data.frame，它应该有相同的长度。
如果我们要删除包含任何 NA 或 Inf/-Inf 值的行
df[Reduce(`&`, lapply(df, function(x) !is.na(x) & is.finite(x))),]
或@nicola 的紧凑选项
df[Reduce(`&`, lapply(df, is.finite)),]
如果我们准备好使用一个包，一个紧凑的选项是NaRV.omit
library(IDPmisc)
NaRV.omit(df)
set.seed(24)
df <- as.data.frame(matrix(sample(c(1:5, NA, -Inf, Inf),
20*5, replace=TRUE), ncol=5))
【讨论】：
dim(df) 330 40 df2<-lapply(df, function(x) x[is.finite(x)]) dim(df2) NULL 。我想删除整行，即使其中一列包含 inf，-inf 值
!is.na 是必需的，因为is.finite(NA) 返回FALSE。
要保留没有Inf 的行，我们可以这样做：
df[apply(df, 1, function(x) all(is.finite(x))), ]
NAs 也被此处理，因为：
值为 NA 的 rowindex 将删除结果中的这一行。
带有NaN 的行也不在结果中。
set.seed(24)
df <- as.data.frame(matrix(sample(c(0:9, NA, -Inf, Inf, NaN), 20*5, replace=TRUE), ncol=5))
df2 <- df[apply(df, 1, function(x) all(is.finite(x))), ]
以下是不同is.~-functions 的结果：
x <- c(42, NA, NaN, Inf)
is.finite(x)
# [1] TRUE FALSE FALSE FALSE
is.na(x)
# [1] FALSE TRUE TRUE FALSE
is.nan(x)
# [1] FALSE FALSE TRUE FALSE
【讨论】：
我遇到了这个问题，以上解决方案都不适合我。我使用以下内容删除了数据框第 15 列和第 16 列中带有 +/-Inf 的行。
d<-subset(c, c[,15:16]!="-Inf")
e<-subset(d, d[,15:16]!="Inf")
【讨论】：
我花了一段时间才为 dplyr 1.0.0 解决这个问题，所以我想我会使用 c_across 提供新版本的 @sbha 解决方案，因为 filter_all、filter_if 是被弃用了。
library(dplyr)
df <- tibble(a = c(1, 2, 3, NA), b = c(5, Inf, 8, 8), c = c(9, 10, Inf, 11), d = c('a', 'b', 'c', 'd'))
# a b c d
# <dbl> <dbl> <dbl> <chr>
# 1 1 5 9 a
# 2 2 Inf 10 b
# 3 3 8 Inf c
# 4 NA 8 11 d
df %>%
rowwise %>%
filter(!all(is.infinite(c_across(where(is.numeric)))))
# # A tibble: 4 x 4
# # Rowwise:
# a b c d
# <dbl> <dbl> <dbl> <chr>
# 1 1 5 9 a
# 2 2 Inf 10 b
# 3 3 8 Inf c
# 4 NA 8 11 d
df %>%
rowwise %>%
filter(!any(is.infinite(c_across(where(is.numeric)))))
# # A tibble: 2 x 4
# # Rowwise:
# a b c d
# <dbl> <dbl> <dbl> <chr>
# 1 1 5 9 a
# 2 NA 8 11 d
df %>%
rowwise %>%
filter(!any(is.infinite(c_across(a:c))))
# # A tibble: 2 x 4
# # Rowwise:
# a b c d
# <dbl> <dbl> <dbl> <chr>
# 1 1 5 9 a
# 2 NA 8 11 d
老实说，我认为@sbha 的答案更简单！
【讨论】：
我认为自己是编码新手，我无法将上述建议用于我的代码。
我找到了一种不太复杂的方法来减少 2 行数据框，首先将 Inf 替换为 Na，然后选择包含完整数据的行：
Df[sapply(Df, is.infinite)] <- NA
Df<-Df[complete.cases(Df), ]
【讨论】：
df[!is.infinite(df$x),]
其中 x 是包含无限值的 df 列。发布的第一个答案取决于行和，但对于我自己的问题，df 有无法添加的列。
【讨论】：