当整行值与正则表达式或一组值匹配时，删除data.frame中的行

我有一个这样的数据框（正确的值​​这只是一个例子）：

导致错误的结果：

    a b c d       e
3                  
4                  
7   3   3 3 NO_DATA

这就是我想要的结果：

     a       b       c       d       e   
6    <NA>       2       2       2       2  
7       3               3       3 NO_DATA 

abcde
6           2       2       2       2  
7 3无数据

---

我想使用正则表达式，因为可能的值可能会有所不同，这里有一种方法可以删除使用正则表达式（即，

grepl（）

）和

is.na（）

来识别

na

值

首先使用

rappy（）

创建一个

TRUE

/

FALSE

数据帧进行过滤。然后有两种方法可以从那里过滤。请注意，如果使用

rowMeans（）

拥有非常大的数据帧，则会将其强制转换为一个矩阵（因此这可能会很慢）。通常不是一个问题，而是一个重要的警告。希望这有帮助

# Replace each cell with T/F based on the function (grepl() / is.na())
idx_df <- rapply(df, function(x) grepl("^(\\s*|NO_DATA)$", x) | is.na(x), how = "replace")

# Check if there were no matches in the function (i.e., there is at least one FALSE)
idx <- do.call(pmin, idx_df) == 0

# Check is the rowMean is less than 1 (not all TRUE)
idx2 <- rowMeans(idx_df) < 1

identical(idx, idx2) # same result
[1] TRUE

df[idx, ]
     a b c d       e
6 <NA> 2 2 2       2
7    3   3 3 NO_DATA

#根据函数（grepl（）/is.na（））用T/F替换每个单元格
idx_df这里是一种使用regex（即
grepl（）
）和
is.na（）
来识别
na
值的删除方法

首先使用
rappy（）
创建一个
TRUE
/
FALSE
数据帧进行过滤。然后有两种方法可以从那里过滤。请注意，如果使用
rowMeans（）
拥有非常大的数据帧，则会将其强制转换为一个矩阵（因此这可能会很慢）。通常不是一个问题，而是一个重要的警告。希望这有帮助

# Replace each cell with T/F based on the function (grepl() / is.na())
idx_df <- rapply(df, function(x) grepl("^(\\s*|NO_DATA)$", x) | is.na(x), how = "replace")

# Check if there were no matches in the function (i.e., there is at least one FALSE)
idx <- do.call(pmin, idx_df) == 0

# Check is the rowMean is less than 1 (not all TRUE)
idx2 <- rowMeans(idx_df) < 1

identical(idx, idx2) # same result
[1] TRUE

df[idx, ]
     a b c d       e
6 <NA> 2 2 2       2
7    3   3 3 NO_DATA

#根据函数（grepl（）/is.na（））用T/F替换每个单元格
idx_df您可以使用以下方法进行子集：

df[rowSums(!sapply(df, function(x) trimws(x) %in% c("", "NO_DATA") | is.na(x))) > 0, ]

     a b c d       e
6 <NA> 2 2 2       2
7    3   3 3 NO_DATA

df[行和（！sapply（df，函数（x）trimws（x）%in%c（“，“无数据”）| is.na（x））>0，]
a、b、c、d、e
6  2 2 2       2
7 3无数据
您可以使用以下方法创建子集：

df[rowSums(!sapply(df, function(x) trimws(x) %in% c("", "NO_DATA") | is.na(x))) > 0, ]

     a b c d       e
6 <NA> 2 2 2       2
7    3   3 3 NO_DATA

df[行和（！sapply（df，函数（x）trimws（x）%in%c（“，“无数据”）| is.na（x））>0，]
a、b、c、d、e
6  2 2 2       2
7 3无数据
是否保留包含数值的行，而不是删除包含x、y或z的行，例如
df[rowSums（suppressWarnings（sapply（df，as.numeric）），na.rm=TRUE）>0，]
？不，此数值只是一个示例，可以是任何字符串或数字，而不是删除包含x、y或z的行，您想保留包含数值的行吗，例如
df[rowsumes（suppressWarnings（sapply（df，as.numeric）），na.rm=TRUE）>0，]
？不，这个数值只是一个例子，可以是任何字符串或数字
c（“，“No_DATA”）
都可以作为黑名单，太好了。@Emeeus，该黑名单不适用于您的示例数据，因为您有
“
和
”
和
“
”
如果它们都是相同的，那么我们可以做
df[df==“NO_data”| df==”]
c（“，“NO_data”）
将用作黑名单，太好了。@Emeeus，该黑名单不适用于您的示例数据，因为您有
“
和
”
和
”
，如果它们都相同，那么我们可以执行
df[df==“无数据”| df==”]