删除R中数据文件的空行

我有一个空行的数据集。我想删除它们：

myData<-myData[-which(apply(myData,1,function(x)all(is.na(x)))),]

或者类似的东西

当我只使用前13000行时，它也可以工作

但它不适用于我的实际数据，有32000行

---

我做错了什么？这对我来说似乎毫无意义。

我假设您要删除所有NAs的行。然后，您可以执行以下操作：

data <- rbind(c(1,2,3), c(1, NA, 4), c(4,6,7), c(NA, NA, NA), c(4, 8, NA)) # sample data
data
     [,1] [,2] [,3]
[1,]    1    2    3
[2,]    1   NA    4
[3,]    4    6    7
[4,]   NA   NA   NA
[5,]    4    8   NA

data[rowSums(is.na(data)) != ncol(data),]
     [,1] [,2] [,3]
[1,]    1    2    3
[2,]    1   NA    4
[3,]    4    6    7
[4,]    4    8   NA

---

如果您有空行，而不是NAs，则可以执行以下操作：

data[!apply(data == "", 1, all),]

要同时删除（NAs和空）：

---

data这与上面的一些答案类似，但通过此选项，您可以指定是否要删除缺失值百分比大于或等于给定百分比的行（使用参数
pct
）

drop\u rows\u all\u na=ncol（x）*pct，]

其中，
x
是一个数据帧，
pct
是要清除的
NA
填充数据的阈值

pct=1
意味着删除具有其100%值的行
NA
。
pct=.5
表示删除至少有一半值的行
NA
使用包删除
NA
s行的替代解决方案

以下是一些
dplyr
选项：

# sample data
df <- data.frame(a = c('1', NA, '3', NA), b = c('a', 'b', 'c', NA), c = c('e', 'f', 'g', NA))

library(dplyr)

# remove rows where all values are NA:
df %>% filter_all(any_vars(!is.na(.)))
df %>% filter_all(any_vars(complete.cases(.)))  


# remove rows where only some values are NA:
df %>% filter_all(all_vars(!is.na(.)))
df %>% filter_all(all_vars(complete.cases(.)))  

# or more succinctly:
df %>% filter(complete.cases(.))  
df %>% na.omit

# dplyr and tidyr:
library(tidyr)
df %>% drop_na

#示例数据
df%filter\u all（任意变量（！is.na（））
df%>%筛选所有（任何变量（完整的案例（））
#删除只有某些值为NA的行：
df%>%filter\u all（所有变量（！is.na（））
df%>%filter\u all（所有变量（完整的案例（））
#或者更简洁地说：
df%>%过滤器（完整的案例（）
df%>%na.省略
#dplyr和tidyr：
图书馆（tidyr）
df%>%下降
如果您只是想要一个方便的函数包装器，这里还有另一个答案。此外，上述许多解决方案都会删除带有任何NAs的行，而此解决方案仅删除所有NAs的行

data <- rbind(c(1,2,3), c(1, NA, 4), c(4,6,7), c(NA, NA, NA), c(4, 8, NA)) # sample data
data

rmNArows<-function(d){
goodRows<-apply(d,1,function(x) sum(is.na(x))!=ncol(d))
d[goodRows,]
}

rmNArows(data)

data第二个案例也可以通过以下方式处理：
data[complete.cases（data），]
@JoshuaUlrich Thx，以获取您的帮助答案！只是为了理解？为什么你让一个
，
在
数据[完成.案例（数据）]
的末尾，你的代码？@mrquad，这意味着你正在按行进行子集设置；看，这可能是最简单的解决方案，它对我有效——谢谢！无论是na.omit（）还是drop_na（）都不会返回非na行。如何在df上使用这种乐趣？这对我很有用-谢谢！
data[!apply(data == "", 1, all),]

data <- data[!apply(is.na(data) | data == "", 1, all),]

drop_rows_all_na <- function(x, pct=1) x[!rowSums(is.na(x)) >= ncol(x)*pct,]

myData %>% remove_empty("rows")

# sample data
df <- data.frame(a = c('1', NA, '3', NA), b = c('a', 'b', 'c', NA), c = c('e', 'f', 'g', NA))

library(dplyr)

# remove rows where all values are NA:
df %>% filter_all(any_vars(!is.na(.)))
df %>% filter_all(any_vars(complete.cases(.)))  


# remove rows where only some values are NA:
df %>% filter_all(all_vars(!is.na(.)))
df %>% filter_all(all_vars(complete.cases(.)))  

# or more succinctly:
df %>% filter(complete.cases(.))  
df %>% na.omit

# dplyr and tidyr:
library(tidyr)
df %>% drop_na

data <- rbind(c(1,2,3), c(1, NA, 4), c(4,6,7), c(NA, NA, NA), c(4, 8, NA)) # sample data
data

rmNArows<-function(d){
goodRows<-apply(d,1,function(x) sum(is.na(x))!=ncol(d))
d[goodRows,]
}

rmNArows(data)