查看R中具有任何NA的所有列名

我需要得到至少有1个NA的列的名称

df<-data.frame(a=1:3,b=c(NA,8,6), c=c('t',NA,7))

但我只需要有NA的变量

我试过这个：

sapply(df, function(x) colnames(df[,any(is.na(x))]))

但是我知道所有的列名

 names(df)[!!colSums(is.na(df))]
 #[1] "b" "c"

解释 通过使用

，我们正在创建逻辑索引

!colSums(is.na(df))   #here the value of `0` will be `TRUE` and all other values `>0` FALSE
 #   a     b     c 
 #TRUE FALSE FALSE 

但是，我们需要选择那些至少有一个
NA
的列，所以
再次否定

!!colSums(is.na(df))
#   a     b     c 
#FALSE  TRUE  TRUE 

并使用此逻辑索引获取至少有一个
NA

基准
set.seed（49）
df1你们非常接近。您的第一次尝试将产生一个
布尔
向量，您可以使用该向量为
df的
名称
建立索引：

contains_any_na = sapply(df, function(x) any(is.na(x)))
names(df)[contains_any_na]
# [1] "b" "c"

更新日期2017年1月14日：自R版本3.1.0起，
anyNA（）
可作为
any（is.na（）
的替代，上述代码可简化为

names(df)[sapply(df, anyNA)]
# [1] "b" "c"

另一个杂技解决方案（只是为了好玩）：

其思想是：获取A中至少有1na的列相当于获取t（A）中至少有NA的行。
完成。根据定义，cases
（非常有效，因为它只是对C函数的调用）给出的行没有任何缺失值。
请尝试使用data.table版本：

library(data.table)
setDT(df)
names(df)[df[,sapply(.SD, function(x) any(is.na(x))),]]
[1] "b" "c"

使用@akrun代码的微基准标记：

set.seed(49)
df1 <- as.data.frame(matrix(sample(c(NA,1:200), 1e4*5000, replace=TRUE), ncol=5000))
setDT(df1)


f1 <- function() {contains_any_na = sapply(df1, function(x) any(is.na(x)))
           names(df1)[contains_any_na]}

f2 <- function() {colnames(df1)[!complete.cases(t(df1))] }
f3 <- function() { names(df1)[!!colSums(is.na(df1))] }

f4 <- function() { names(df1)[df1[,sapply(.SD, function(x) any(is.na(x))),]] }

microbenchmark(f1(), f2(), f3(), f4(), unit="relative")   
# Unit: relative
#  expr       min        lq    median       uq      max neval
#  f1()  1.000000  1.000000  1.000000 1.000000 1.000000   100
#  f2() 10.459124 10.928821 10.955986 9.858967 7.069066   100
#  f3()  3.323144  3.805183  4.159624 3.775549 2.797329   100
#  f4() 10.108998 10.242207 10.121022 9.117067 6.576976   100

set.seed（49）
df1对于这一点，一个简单的一行是：

colnames(df[,sapply(df, function(x) any(is.na(x)))])

说明：

sapply(df, function(x) any(is.na(x)))

对于至少为1 NA的列，返回True/False
df[，sapply（df，函数（x）any（is.na（x）））]
获取数据帧的子集，该子集的所有列至少为1 na。而
colnames
给出了这些列的名称。
您能否提供一些更详细的说明，说明您的解决方案的工作原理，例如，取一个逻辑向量的和得到的真值的数量，
表示
不是
。这将使答案对OP和其他人更有用。@Paul Hiemstra感谢您的评论。我添加了一些解释。谢谢，但是为什么我不能使用名称（colSums（is.na（df））>0）？但是我得到：>names（colSums（is.na（df））>0）[1]“a”“b”“c”你的两个解决方案比较慢，因为
t（df）
和
is.na（df）
创建矩阵。这将是最慢的解决方案：）@rnso我只是开玩笑，我的评论只是说，并不是因为您使用data.table，您将获得最快的解决方案+1用于您和akrun的基准测试。此处花费的时间是由于
.SD
是
df1
的深度副本。这可以通过
避免，以提高操作速度，而无需
。请参阅。@Arun当然。。请参阅akrun答案中的我的编辑（性能说明）。@Arun因为性能是由akrun完成的，而我的回答是以“acrobatic solution”开始的，OP接受了它，我不知道为什么（声誉是）：），但请随意编辑它！
library(data.table)
setDT(df)
names(df)[df[,sapply(.SD, function(x) any(is.na(x))),]]
[1] "b" "c"

set.seed(49)
df1 <- as.data.frame(matrix(sample(c(NA,1:200), 1e4*5000, replace=TRUE), ncol=5000))
setDT(df1)


f1 <- function() {contains_any_na = sapply(df1, function(x) any(is.na(x)))
           names(df1)[contains_any_na]}

f2 <- function() {colnames(df1)[!complete.cases(t(df1))] }
f3 <- function() { names(df1)[!!colSums(is.na(df1))] }

f4 <- function() { names(df1)[df1[,sapply(.SD, function(x) any(is.na(x))),]] }

microbenchmark(f1(), f2(), f3(), f4(), unit="relative")   
# Unit: relative
#  expr       min        lq    median       uq      max neval
#  f1()  1.000000  1.000000  1.000000 1.000000 1.000000   100
#  f2() 10.459124 10.928821 10.955986 9.858967 7.069066   100
#  f3()  3.323144  3.805183  4.159624 3.775549 2.797329   100
#  f4() 10.108998 10.242207 10.121022 9.117067 6.576976   100

colnames(df[,sapply(df, function(x) any(is.na(x)))])

sapply(df, function(x) any(is.na(x)))