基于列子集修剪 NA - 更优雅的解决方案？

Question

stackoverflow 社区的新年难题，过去阅读帖子和答案给了我很大的帮助（这是我的第一个问题）。我找到了解决方法，但我想知道是否可以建议其他方法/解决方案。

我正在尝试从大 data.frame 中删除尾随的 NA，但这些 NA 仅在 data.frame 的少数列中找到，我想保留输出中的所有列。这是一个有代表性的数据子集。

df=data.frame(var1=rep("A", 8), var2=c("a","b","c","d","e","f","g","h"), var3=c(0,1,NA,2,3,NA,NA,NA), var4=c(0,0,NA,4,5,NA,NA,NA), var5=c(0,0,NA,0,2,4,NA,NA))

过程目标：

1. 根据 var3、var4 和 var5 中的 NA 存在修剪尾随 NA
2. 在最终输出中保留所有列
3. 仅删除尾随 NA（即第 3 行作为占位符保留在记录中）
4. 仅当所有列都有 NA（即第 7 行和第 8 行，但不是第 6 行）时才修剪

基于这些目标，解决方案应删除 df 的最后两行：

df.output = df[-c(7,8),]

na.trim （在 zoo 包中）的行为是理想的（因为它限制了在 data.frame 末尾的那些 NA 的删除，sides="right"），我的解决方法涉及更改na.trim.default 函数以包含子集术语。

有什么建议吗？非常感谢您的帮助。

编辑：为了完成这个问题，下面是我从 na.trim.default 代码创建的函数，它也可以工作，但如上所述，确实需要加载 zoo 包。

na.trim.multiplecols <-  function (object, colrange, sides = c("both", "left", "right"),     is.na = c("any","all"),...) 
{
is.na <- match.arg(is.na)
nisna <- if (is.na == "any" || length(dim(object[,colrange])) < 1) {
complete.cases(object[,colrange])
}
else rowSums(!is.na(object[,colrange])) > 0
idx <- switch(match.arg(sides), left = cumsum(nisna) > 0, 
            right = rev(cumsum(rev(nisna) > 0) > 0), both = (cumsum(nisna) > 
                                                               0) &       rev(cumsum(rev(nisna)) > 0))
if (length(dim(object)) < 2) 
object[idx]
else object[idx, , drop = FALSE]

}

Answer 1

基于max(which(!is.na())) 的东西会起作用。我们使用它从感兴趣的列中找到最大的非缺失数据索引。

使用你的 df

ind <-  max(max(which(!is.na(df$var3))),
        max(which(!is.na(df$var4))),        
        max(which(!is.na(df$var5)))) 

df[1:ind, ]

   var1 var2 var3 var4 var5
 1    A    a    0    0    0
 2    A    b    1    0    0
 3    A    c   NA   NA   NA
 4    A    d    2    4    0
 5    A    e    3    5    2
 6    A    f   NA   NA    4

Answer 2

Edit: 使用基础rle 和apply 的第一个解决方案

t <- rle(apply(as.matrix(df[,3:5]), 1, function(x) all(is.na(x))))
r <- ifelse(t$values[length(t$values)] == TRUE, t$lengths[length(t$lengths)], 0)
head(df, -r)

使用Rle 包IRanges 的第二个解决方案：

require(IRanges)
t <- min(sapply(df[,3:5], function(x) {
    o <- Rle(x)
    val <- runValue(o)
    if (is.na(val[length(val)])) {
        len <- runLength(o)
        out <- len[length(len)]
    } else {
        out <- 0
    }
}))
head(df, -t)