从向量中删除 NA 值答案

【问题标题】：Remove NA values from a vector从向量中删除 NA 值
【发布时间】：2011-10-09 22:08:07
【问题描述】：

我有一个巨大的向量，其中有几个 NA 值，我试图在该向量中找到最大值（向量都是数字），但我不能这样做，因为 @ 987654322@ 值。

如何删除 NA 值以便计算最大值？

【问题讨论】：

【解决方案1】：

尝试?max，您会发现它实际上有一个na.rm = 参数，默认设置为FALSE。（这是许多其他 R 函数的通用默认值，包括 sum()、mean() 等）

设置 na.rm=TRUE 可以满足您的要求：

d <- c(1, 100, NA, 10)
max(d, na.rm=TRUE)

如果您确实想删除所有 NAs，请改用此成语：

d <- d[!is.na(d)]

最后一点：其他函数（例如 table()、lm() 和 sort()）具有与 NA 相关的参数，它们使用不同的名称（并提供不同的选项）。因此，如果NA 导致您在函数调用中出现问题，则值得检查函数参数中的内置解决方案。我发现通常已经有一个了。

【讨论】：

这是一个非常糟糕的主意。它失败并为所有 NA 的 d 提供 -Inf。
@user3932000 为了让其他人明白，您的抱怨实际上是关于基本 R 函数 max() 的行为方式（例如，在执行 max(c(NA, NA) 时）。个人认为它的行为是合理的；我希望它是这样构造的，以便您在执行a <- c(NA, NA); b <- 1:4; max(c(max(a, na.rm = TRUE), max(b, na.rm = TRUE))) 之类的操作时获得预期的结果
@user3932000 有点切题，R 作为数据分析平台的众多优势之一是其对缺失数据的复杂处理，这是其作者大量仔细考虑的结果. （如果您对该主题感兴趣，see here 可以很好地讨论所涉及的一些问题，从从事将类似 R 的 NA 处理设施合并到 Python 的优秀 NumPy 包。）
@user3932000：这个答案真的很糟糕吗？你认为空集的最大值是多少？
@CliffAB 它没有最大值。您可以将最大值指定为 -∞（将最小值指定为 +∞），但这并不总是理想的或直观的。此外，当您从 NAs 的向量中删除所有 NAs 时，您会期望一个空向量，而不是 -∞。

【解决方案2】：

na.omit 函数是许多回归例程在内部使用的：

vec <- 1:1000
vec[runif(200, 1, 1000)] <- NA
max(vec)
#[1] NA
max( na.omit(vec) )
#[1] 1000

【讨论】：

【解决方案3】：

使用discard from purrr（适用于列表和向量）。

discard(v, is.na)

好处是管道易于使用；或者使用内置的子集函数[：

v %>% discard(is.na)
v %>% `[`(!is.na(.))

请注意，na.omit 不适用于列表：

> x <- list(a=1, b=2, c=NA)
> na.omit(x)
$a
[1] 1

$b
[1] 2

$c
[1] NA

【讨论】：

【解决方案4】：

?max 显示有一个额外的参数na.rm 可以设置为TRUE。

除此之外，如果您真的想要删除NAs，只需使用类似的东西：

myvec[!is.na(myvec)]

【讨论】：

我认为这是最好的。 na.rm 和 na.omit 在输出中添加了相当多的垃圾。
除了na.omit也有dataframe方法，所以比较通用。

【解决方案5】：

以防万一 R 新手想要对原始问题的简化答案

如何从向量中删除 NA 值？

这里是：

假设你有一个向量foo，如下：

foo = c(1:10, NA, 20:30)

运行 length(foo) 得到 22。

nona_foo = foo[!is.na(foo)]

length(nona_foo) 是 21，因为 NA 值已被删除。

请记住is.na(foo) 返回一个布尔矩阵，因此使用与此值相反的索引foo 将为您提供所有不是 NA 的元素。

【讨论】：

【解决方案6】：

您可以拨打max(vector, na.rm = TRUE)。更一般地，您可以使用na.omit() 函数。

【讨论】：

【解决方案7】：

我运行了一个快速基准测试，比较了两种base 方法，结果发现x[!is.na(x)] 比na.omit 快。用户qwr 建议我也尝试purrr::dicard - 结果证明速度非常慢（尽管我很乐意在我的实现和测试中使用 cmets！）

microbenchmark::microbenchmark(
  purrr::map(airquality,function(x) {x[!is.na(x)]}), 
  purrr::map(airquality,na.omit),
  purrr::map(airquality, ~purrr::discard(.x, .p = is.na)),
  times = 1e6)

Unit: microseconds
                                                     expr    min     lq      mean median      uq       max neval cld
 purrr::map(airquality, function(x) {     x[!is.na(x)] })   66.8   75.9  130.5643   86.2  131.80  541125.5 1e+06 a  
                          purrr::map(airquality, na.omit)   95.7  107.4  185.5108  129.3  190.50  534795.5 1e+06  b 
  purrr::map(airquality, ~purrr::discard(.x, .p = is.na)) 3391.7 3648.6 5615.8965 4079.7 6486.45 1121975.4 1e+06   c

供参考，这里是x[!is.na(x)] vs na.omit的原始测试：

microbenchmark::microbenchmark(
    purrr::map(airquality,function(x) {x[!is.na(x)]}), 
    purrr::map(airquality,na.omit), 
    times = 1000000)


Unit: microseconds
                                              expr  min   lq      mean median    uq      max neval cld
 map(airquality, function(x) {     x[!is.na(x)] }) 53.0 56.6  86.48231   58.1  64.8 414195.2 1e+06  a 
                          map(airquality, na.omit) 85.3 90.4 134.49964   92.5 104.9 348352.8 1e+06   b

【讨论】：

你应该试试purrr:discard