如果结果大于阈值，则计算与 NA 不同的值并丢弃列

Question

我正在尝试在 data.table 对象中验证哪些列的非空数据（不是 NA）值大于某个阈值（例如：5），然后丢弃未传入的列标准。

考虑以下数据：

require(data.table)
DT = data.table(x=rep(c("a","b","c"),each=3), y=c(1,NA,6), v=c(1,2,NA,NA,NA,NA,NA,8,9))
DT
   x  y  v
1: a  1  1
2: a NA  2
3: a  6 NA
4: b  1 NA
5: b NA NA
6: b  6 NA
7: c  1 NA
8: c NA  8
9: c  6  9

在上面的例子中，列 v 只有 4 个非 NA 值，小于 5，所以我想丢弃该列：

DT[,c(3) := NULL]
DT
   x  y
1: a  1
2: a NA
3: a  6
4: b  1
5: b NA
6: b  6
7: c  1
8: c NA
9: c  6

我需要帮助来了解如何将 .N* 符号和“if 语句”与 data.table 结合以检查具有多列的对象。

我的问题是，我怎样才能以编程方式在所有列中进行计数，并且只丢弃未通过标准的那些？谢了。

_{*我不确定是否需要.N，但从之前的研究中我了解到这个符号用于对 data.table 对象进行计数}

Answer 1

这是一种方法：

DT[, which(lapply(DT, function(x) sum(!is.na(x))) < 5) := NULL]

由于data.table 是一个列列表，lapply 循环遍历各个列并应用所需的函数。然后which 枚举我们感兴趣的列，:= 删除它们。