superponer - Eliminar columnas del marco de datos donde TODOS los valores son NA

superponer graficas en r

Question

Tengo problemas con un marco de datos y no pude resolver ese problema yo mismo:
El marco de datos tiene propiedades arbitrarias como columnas y cada fila representa un conjunto de datos .

La pregunta es:
¿Cómo deshacerse de las columnas donde TODAS las filas tienen el valor NA ?

Answer 1

Dplyr ahora tiene un verbo select_if que puede ser útil aquí:

temp <- data.frame(x = 1:5, y = c(1,2,NA,4, 5), z = rep(NA, 5))
not_all_na <- function(x) any(!is.na(x))
not_any_na <- function(x) all(!is.na(x))

> temp
  x  y  z
1 1  1 NA
2 2  2 NA
3 3 NA NA
4 4  4 NA
5 5  5 NA
> temp %>% select_if(not_all_na)
  x  y
1 1  1
2 2  2
3 3 NA
4 4  4
5 5  5
> temp %>% select_if(not_any_na)
  x
1 1
2 2
3 3
4 4
5 5

Answer 2

Espero que esto también pueda ayudar. Podría convertirse en un solo comando, pero me resultó más fácil leer dividiéndolo en dos comandos. Hice una función con las siguientes instrucciones y trabajé rápido como un rayo.

naColsRemoval = function (DataTable) { na.cols = DataTable [ , .( which ( apply ( is.na ( .SD ) , 2 , all ) ) )] DataTable [ , unlist (na.cols) := NULL , with = F] }

.SD permitirá limitar la verificación a una parte de la tabla, si lo desea, pero tomará toda la tabla como

Answer 3

Los dos enfoques ofrecidos hasta ahora fallan con grandes conjuntos de datos, ya que (entre otros problemas de memoria) crean is.na(df) , que será un objeto del mismo tamaño que df .

Aquí hay dos enfoques que son más eficientes en la memoria y el tiempo

Un enfoque que utiliza el Filter

Filter(function(x)!all(is.na(x)), df)

y un enfoque usando data.table (para el tiempo general y la eficiencia de la memoria)

library(data.table)
DT <- as.data.table(df)
DT[,which(unlist(lapply(DT, function(x)!all(is.na(x))))),with=F]

ejemplos que usan datos grandes (30 columnas, 1e6 filas)

big_data <- replicate(10, data.frame(rep(NA, 1e6), sample(c(1:8,NA),1e6,T), sample(250,1e6,T)),simplify=F)
bd <- do.call(data.frame,big_data)
names(bd) <- paste0(''X'',seq_len(30))
DT <- as.data.table(bd)

system.time({df1 <- bd[,colSums(is.na(bd) < nrow(bd))]})
# error -- can''t allocate vector of size ...
system.time({df2 <- bd[, !apply(is.na(bd), 2, all)]})
# error -- can''t allocate vector of size ...
system.time({df3 <- Filter(function(x)!all(is.na(x)), bd)})
## user  system elapsed 
## 0.26    0.03    0.29 
system.time({DT1 <- DT[,which(unlist(lapply(DT, function(x)!all(is.na(x))))),with=F]})
## user  system elapsed 
## 0.14    0.03    0.18 

Answer 4

Otra forma sería usar la función apply() .

Si tienes el data.frame

df <- data.frame (var1 = c(1:7,NA),
                  var2 = c(1,2,1,3,4,NA,NA,9),
                  var3 = c(NA)
                  )

luego puedes usar apply() para ver qué columnas cumplen tu condición y así puedes simplemente hacer el mismo subconjunto que en la respuesta de Musa, solo con un enfoque de apply .

> !apply (is.na(df), 2, all)
 var1  var2  var3 
 TRUE  TRUE FALSE 

> df[, !apply(is.na(df), 2, all)]
  var1 var2
1    1    1
2    2    2
3    3    1
4    4    3
5    5    4
6    6   NA
7    7   NA
8   NA    9

Answer 5

Prueba esto:

df <- df[,colSums(is.na(df))<nrow(df)]

Answer 6

df[sapply(df, function(x) all(is.na(x)))] <- NULL