仅省略某一列中不与其他 NA 重叠的 NA

Question

假设我有一个如下所示的数据框：

>df
col1   col2   col3

 12    NA      2 
 21    11     NA
 NA     2     NA
 3     NA     NA
 NA    NA      4
 8     12      5
 41    39      9

我想省略 NA，但是 col3 中的 NA 是一条宝贵的信息，所以我不想在没有更多信息的情况下用任何其他值填充它。因此，我只想省略与 col3 中的 NA 不重叠的 NA。

所以它看起来像这样：

>df
col1   col2   col3

 21    11     NA
 NA     2     NA
 3     NA     NA
 8     12      5
 41    39      9

col2 和 col1 中的 NA 仍然存在的唯一原因是因为删除它们的行会导致 col3 中的 NA 也被删除，这是我想要防止的。因此，我可以容忍 col1 和 col2 中剩余的 NA。

我有什么方便的方法或任何包来解决这个问题吗？我试过使用过滤器：

df <- df %>% filter(complete.cases(df[, -3]))

但它变成了这样，因为有重叠的 NA ：

 >df
 col1   col2   col3

 21    11     NA
 8     12      5
 41    39      9

有什么想法吗？先谢谢了~

Answer 1

我们可以用rowSums创建一个条件

df1[!(rowSums(is.na(df1[-3])) > 0 & !is.na(df1[[3]])),]
#  col1 col2 col3
#2   21   11   NA
#3   NA    2   NA
#4    3   NA   NA
#6    8   12    5
#7   41   39    9

当我们执行rowSums(is.na(df1[-3])) > 0 时，它会检查前两列中的任何 NA 并针对这些情况返回 TRUE

rowSums(is.na(df1[-3])) > 0
#[1]  TRUE FALSE  TRUE  TRUE  TRUE FALSE FALSE

但是，我们想删除第一行，因为在 'col3' 中该行没有 NA

接下来我们检查'col3'中的NAs

is.na(df1[[3]])
#[1] FALSE  TRUE  TRUE  TRUE FALSE FALSE FALSE

只要有 TRUE，我们就想保留它。因此，如果我们执行&，它将返回两者中常见的NA

(rowSums(is.na(df1[-3])) > 0 & !is.na(df1[[3]]))
#[1]  TRUE FALSE FALSE FALSE  TRUE FALSE FALSE

即第 1 行和第 5 行在两个列块中都有 NA。否定它会改变TRUE-> FALSE 和FALSE-> TRUE

!(rowSums(is.na(df1[-3])) > 0 & !is.na(df1[[3]]))
#[1] FALSE  TRUE  TRUE  TRUE FALSE  TRUE  TRUE

哪些行可以有两个集合没有任何 NA 或 'col3' 有 NA 和其他行可能有也可能没有 NA

---

或者在filter中使用同样的逻辑

library(dplyr)
df1  %>%
     filter(!(rowSums(is.na(.[-3])) > 0 & !is.na(col3)))

数据

df1 <- structure(list(col1 = c(12L, 21L, NA, 3L, NA, 8L, 41L), col2 = c(NA, 
11L, 2L, NA, NA, 12L, 39L), col3 = c(2L, NA, NA, NA, 4L, 5L, 
9L)), class = "data.frame", row.names = c(NA, -7L))