在 R 中使用 is.na 获取包含 NA 值的列名答案

【问题标题】：Using is.na in R to get Column Names that Contain NA Values在 R 中使用 is.na 获取包含 NA 值的列名
【发布时间】：2017-11-30 18:29:23
【问题描述】：

给出下面的示例数据集：

df <- as.data.frame(matrix( c(1, 2, 3, NA, 5, NA, 
                              7, NA, 9, 10, NA, NA), nrow=2, ncol=6))

names(df) <- c(  "varA", "varB", "varC", "varD", "varE", "varF")

print(df)

  varA varB varC varD varE varF
1    1    3    5    7    9   NA
2    2   NA   NA   NA   10   NA

我希望能够在数据集上使用 kmeans(...)，而无需手动检查或删除在变量中包含 NA anywhere 的变量。虽然我现在正在询问 kmeans(...) 我将对其他事情使用类似的过程，因此 kmeans(...) 特定答案不会完全回答我的问题。

我想要的手动版本是：

kmeans_model <- kmeans(df[, -c(2:4, 6)], 10)

伪代码是：

kmeans_model <- kmeans(df[, -c(colnames(is.na(df)))], 10)

另外，我不想从 df 中删除数据。提前致谢。

（显然 kmeans(...) 不适用于此示例数据集，但我无法重新创建真实数据集）

【问题讨论】：

几乎是重复的：stackoverflow.com/q/11330138/324364
可能是df[, which(!sapply(df, function(col) sum(!is.na(col)) > 0))]
@lukeA 使用any() 可能会更容易阅读并且稍微短一些。（不过可能会慢一些，我得检查一下。）
@joran 我检查并因此选择了sum。 ;)
@lukeA 好吧，给你！ :)

标签： r missing-data na

【解决方案1】：

这里有两个不带sapply的选项：

kmeans_model <- kmeans(df[, !colSums(is.na(df))], 10)

或者

kmeans_model <- kmeans(df[, colSums(is.na(df)) == 0], 10)

说明：

colSums(is.na(df)) 计算每列的 NA 数量，结果为：

colSums(is.na(df))
#varA varB varC varD varE varF 
#   0    1    1    1    0    2

然后

colSums(is.na(df)) == 0     # converts to logical TRUE/FALSE
#varA  varB  varC  varD  varE  varF 
#TRUE FALSE FALSE FALSE  TRUE FALSE

与

相同

!colSums(is.na(df))
#varA  varB  varC  varD  varE  varF 
#TRUE FALSE FALSE FALSE  TRUE FALSE

这两种方法都可用于仅对逻辑值为 TRUE 的列进行子集化

【讨论】：

【解决方案2】：

这是我用于列出列名及其 NA 计数的通用方法：

sort(colSums(is.na(df)> 0), decreasing = T)

如果你想使用sapply，你也可以参考这段代码sn-p：

flights_NA_cols <- sapply(flights, function(x) sum(is.na(x))) 
flights_NA_cols[flights_NA_cols>0]

【讨论】：