对于R中的循环列

我想在dataframe中迭代列，如果NAs的数量大于所有条目的50%，我想从dataframe中删除该列。到目前为止，我有类似的东西，但不起作用：

for (i in names(df_r)) {
    if (sum(is.na(df_r[,i]))/length(df_r) > 0.5) {
        df_r <- df_r[, -i]
        }
    }

for（i在名称中（df_r））{
if（总和（is.na（df_r[，i]））/长度（df_r）>0.5）{
df_r对于

循环，你最好使用更多基于向量的计算，而不是更多的文本

na50 <- sapply(df_r, function(x) sum(is.na(x))) / nrow(df_r)
df_r[na50 > 0.5] <- NULL
# or
df_r <- df_r[na50 <= 0.5]

na50 0.5]你最好使用更多的基于向量的计算，而
for
循环则使用更多的文本

na50 <- sapply(df_r, function(x) sum(is.na(x))) / nrow(df_r)
df_r[na50 > 0.5] <- NULL
# or
df_r <- df_r[na50 <= 0.5]

na50 0.5]检查以下内容：

## for loop solution
for(i in names(dt))
{
    len <- nrow(dt)
    if(sum(is.na(dt[[i]])) > (len/2)) dt[[i]] <- NULL
    else next
}

## non for loop solution
cols <- colSums(is.na(dt))
cols <- names(cols[cols > (nrow(dt)/2)])
dt[[cols]] <- NULL

循环解决方案的
##
（i）名称（dt））
{
len（len/2））dt[[i]]检查此项：

## for loop solution
for(i in names(dt))
{
    len <- nrow(dt)
    if(sum(is.na(dt[[i]])) > (len/2)) dt[[i]] <- NULL
    else next
}

## non for loop solution
cols <- colSums(is.na(dt))
cols <- names(cols[cols > (nrow(dt)/2)])
dt[[cols]] <- NULL

循环解决方案的
##
（i）名称（dt））
{
len（len/2））dt[[i]]我将使用
lappy
在data.frame列上循环：

DF <- data.frame(x = c(1, NA, 2), y = c("a", NA, NA))
DF[] <- lapply(DF, function(x) if (mean(is.na(x)) <= 0.5) x else NULL)
#   x
#1  1
#2 NA
#3  2

DF我将使用
lappy
在data.frame列上循环：

DF <- data.frame(x = c(1, NA, 2), y = c("a", NA, NA))
DF[] <- lapply(DF, function(x) if (mean(is.na(x)) <= 0.5) x else NULL)
#   x
#1  1
#2 NA
#3  2

DF基本上是一行：

df_r <- df_r[, apply(df_r, MARGIN = 2, FUN = function(x) sum(is.na(x))/length(x) <= 0.5)]

df_r基本上是一行：

df_r <- df_r[, apply(df_r, MARGIN = 2, FUN = function(x) sum(is.na(x))/length(x) <= 0.5)]

df_rr中的循环通常不是很快，应该避免。在这种情况下，可以使用
dplyr
使其快速整洁：

library(dplyr)

df_r %>% 
  select_if(function(x) { ! sum(is.na(x)) / length(x) > 0.5 })

R中的For循环通常不是很快，应该避免。在这种情况下，可以使用
dplyr
使其快速整洁：

library(dplyr)

df_r %>% 
  select_if(function(x) { ! sum(is.na(x)) / length(x) > 0.5 })

just
df_r[colMeans（is.na（df_r））<0.5]
另外：请看如何给出a；这使其他人更容易回答just
df_r[colMeans（is.na（df_r））<0.5]
另外：请看如何给出a；这使其他人更容易回答我将您的解决方案修改为：na-Hmm我将您的解决方案修改为：na