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：

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）