R删除数据帧的第一行,直到第一行没有NA
我在数据框上应用na.approx,如果na恰好位于我的数据库的第一行或最后一行,这将不起作用 如何编写执行以下操作的函数: 当数据帧第一行的任何值为NA时,请删除第一行 示例数据帧:R删除数据帧的第一行,直到第一行没有NA,r,function,dataframe,while-loop,na,R,Function,Dataframe,While Loop,Na,我在数据框上应用na.approx,如果na恰好位于我的数据库的第一行或最后一行,这将不起作用 如何编写执行以下操作的函数: 当数据帧第一行的任何值为NA时,请删除第一行 示例数据帧: x1=x2=c(1,2,3,4,5,6,7,8,9,10,11,12) x3=x4=c(NA,NA,3,4,5,6,NA,NA,NA,NA,11,12) df=data.frame(x1,x2,x3,x4) 此示例数据框的结果应如下所示: result=df[-1:-2,] 我目前的尝试都与此相似: repl
x1=x2=c(1,2,3,4,5,6,7,8,9,10,11,12)
x3=x4=c(NA,NA,3,4,5,6,NA,NA,NA,NA,11,12)
df=data.frame(x1,x2,x3,x4)
此示例数据框的结果应如下所示:
result=df[-1:-2,]
我目前的尝试都与此相似:
replace_na=function(df){
while(anyNA(df[1,])=TRUE){
df=df[-1,],
return(df)
}
#this is where I would apply the na.approx function to the data frame
}
任何帮助都将不胜感激,谢谢 您可以使用
complete.cases
。使用cumsum
,将删除第一个不完整的行:
df[cumsum(complete.cases(df)) != 0, ]
x1 x2 x3 x4
3 3 3 3 3
4 4 4 4 4
5 5 5 5 5
6 6 6 6 6
7 7 7 NA NA
8 8 8 NA NA
9 9 9 NA NA
10 10 10 NA NA
11 11 11 11 11
12 12 12 12 12
您可以使用
complete.cases
。使用cumsum
,将删除第一个不完整的行:
df[cumsum(complete.cases(df)) != 0, ]
x1 x2 x3 x4
3 3 3 3 3
4 4 4 4 4
5 5 5 5 5
6 6 6 6 6
7 7 7 NA NA
8 8 8 NA NA
9 9 9 NA NA
10 10 10 NA NA
11 11 11 11 11
12 12 12 12 12
@Psidom的答案很好,但您也可以修复自己的自定义函数:
replace_na=function(df){
while(anyNA(df[1,])==TRUE){
df=df[-1,]
}
#this is where I would apply the na.approx function to the data frame
return(df)
}
在第二行,==
是您需要使用的等号。在第二行,逗号是多余的。最后,return()
replace_na(df)
# x1 x2 x3 x4
# 3 3 3 3 3
# 4 4 4 4 4
# 5 5 5 5 5
# 6 6 6 6 6
# 7 7 7 NA NA
# 8 8 8 NA NA
# 9 9 9 NA NA
# 10 10 10 NA NA
# 11 11 11 11 11
# 12 12 12 12 12
@Psidom的答案很好,但您也可以修复自己的自定义函数:
replace_na=function(df){
while(anyNA(df[1,])==TRUE){
df=df[-1,]
}
#this is where I would apply the na.approx function to the data frame
return(df)
}
在第二行,==
是您需要使用的等号。在第二行,逗号是多余的。最后,return()
replace_na(df)
# x1 x2 x3 x4
# 3 3 3 3 3
# 4 4 4 4 4
# 5 5 5 5 5
# 6 6 6 6 6
# 7 7 7 NA NA
# 8 8 8 NA NA
# 9 9 9 NA NA
# 10 10 10 NA NA
# 11 11 11 11 11
# 12 12 12 12 12
我们还可以使用which.max
和is.na
df[which.max(!rowSums(is.na(df))):nrow(df),]
# x1 x2 x3 x4
#3 3 3 3 3
#4 4 4 4 4
#5 5 5 5 5
#6 6 6 6 6
#7 7 7 NA NA
#8 8 8 NA NA
#9 9 9 NA NA
#10 10 10 NA NA
#11 11 11 11 11
#12 12 12 12 12
我们还可以使用which.max
和is.na
df[which.max(!rowSums(is.na(df))):nrow(df),]
# x1 x2 x3 x4
#3 3 3 3 3
#4 4 4 4 4
#5 5 5 5 5
#6 6 6 6 6
#7 7 7 NA NA
#8 8 8 NA NA
#9 9 9 NA NA
#10 10 10 NA NA
#11 11 11 11 11
#12 12 12 12 12
你赢了我5秒。。。哦,好的。谢谢你的解决方案,这将对许多其他用户非常有帮助,对我也很有用。我选择了另一个答案,因为它修复了我混乱的代码,并且更容易应用到我的第二步(对最后几行执行相同的操作)你比我快了5秒。。。哦,好的。谢谢你的解决方案,这将对许多其他用户非常有帮助,对我也很有用。我选择了另一个答案,因为它修复了我混乱的代码,并且更容易应用到我的第二步(对最后一行执行相同的操作)