我有一个数据框,其中所有变量都是字符类型。许多列都是完全空的,即只有变量头,但没有值。有没有办法对空列进行子集化?
如果您的空列实际上是空字符列,则类似下面的内容应该有效。如果您的“空”字符列包含空格,则需要修改它。
样本数据:
mydf <- data.frame(
A = c("a", "b"),
B = c("y", ""),
C = c("", ""),
D = c("", ""),
E = c("", "z")
)
mydf
# A B C D E
# 1 a y
# 2 b z
识别并删除“空”列。
mydf[!sapply(mydf, function(x) all(x == ""))]
# A B E
# 1 a y
# 2 b z
或者,根据@Roland的建议:
> mydf[, colSums(mydf != "") != 0]
A B E
1 a y
2 b z
您可以执行以下任一操作:
emptycols <- sapply(df, function (k) all(is.na(k)))
df <- df[!emptycols]
要么:
emptycols <- colSums(is.na(df)) == nrow(df)
df <- df[!emptycols]
如果空是你的意思是他们是""
,第二种方法可以这样调整:
emptycols <- colSums(df == "") == nrow(df)
我有类似的情况 - 我正在使用大型公共记录数据库,但当我将其缩小到我需要的日期范围和类别时,有大量的列未使用。有些是空白的,有些是NA。
选定的答案:https://stackoverflow.com/a/17672737/233467不适合我,但这样做:
df[!sapply(df, function (x) all(is.na(x) | x == ""))]
如果你在谈论所有值都是NA
的列,请使用janitor包中的remove_empty("cols")
。
如果您有字符向量,其中每个值都是空字符串""
,您可以首先使用dplyr包中的NA
将这些值转换为整个data.frame中的na_if
:
dat <- data.frame(
x = c("a", "b", "c"),
y = c("", "", ""),
z = c(NA, NA, NA),
stringsAsFactors = FALSE
)
dat
#> x y z
#> 1 a NA
#> 2 b NA
#> 3 c NA
library(dplyr)
library(janitor)
dat %>%
mutate_all(funs(na_if(., ""))) %>%
remove_empty("cols")
#> x
#> 1 a
#> 2 b
#> 3 c
这取决于你的意思是空的:是NA还是""
,还是甚至可以是" "
?像这样的东西可能会起作用:
df[,!apply(df, 2, function(x) all(gsub(" ", "", x)=="", na.rm=TRUE))]
以下是可以修改的内容,以排除不包含指定变量的列。
newdf= df[, apply(df, 2, function(x) !any({is.na(x) | x== "" |
x== "-4"} ) )]
如果您知道列索引,则可以使用
df[,-c(3, 5, 7)]
这将省略第3,5,7列。