R 选择数据帧列表的最后一个非NA列

我目前正在尝试解析R中的RDP多分类层次结构文件，但是这个问题更普遍。基本上，我创建了一个列表，其中包含多个文件的数据帧，这些文件包含“分层”行：

这基本上意味着我有渐进的行，在渐进的列中用NA填充。但是，无法确定第一个

NA

将在哪一行。在第一列NA之前，我有两列真正让我感兴趣的内容：指定分类级别的重叠群数量计数，以及分类级别名称前的两列

我已经创建了一个列表，其中包含每个数据帧的索引，这些索引将通过以下方式选择最后一行：

library(plyr)
lastcollist<-lapply(hierlist,function(p)lapply(apply(p, 1, function(x) which(!is.na(x)) ),function(x)if(length(x)>0){max(x)}else{0}))
lastcollist<-lapply(lastcollist,unlist)
lastcollist.idx<-llply(lastcollist,function(x)cbind(seq(1,length(x)),x))

所以我现在基本上想做的是创建一个新的列表，其中包含数据帧（或者在只有最后一列的情况下，变量

x

in

lastclist.idx

），每个给定行都有最后选择的列

这将是给定示例的期望输出：

 dput(rbind(c('domain','194'),c('Proteobacteria','Phylum'),c('Betaproteobacteria','class'),c ('class','Rhodocyclales'),c('class','Rhodocyclales'),c('class','Rhodocyclales')))
structure(c("domain", "Proteobacteria", "Betaproteobacteria", 
"class", "class", "class", "194", "Phylum", "class", "Rhodocyclales", 
"Rhodocyclales", "Rhodocyclales"), .Dim = c(6L, 2L))

我必须承认，我不会马上知道怎么做。欢迎任何指点。我不是R的新手，所以你不必花太多时间来解释

对于一个更大的可重复的例子，考虑来自生物导体库IMPUT（）的数据集“Khan思念”。p> 它基本上是一个数据帧，在几个地方引入了NAs。它与我的文件的层次结构并不完全相同，但它将符合目的。由于这是一个非常不方便的数据帧，有2309个观察值，并且其中只有222行包含缺失值，因此我选择了缺失值的行，并在新的data.frame中随机添加了78行没有缺失值的行。然后将此data.frame拆分为4个任意大小的数据帧列表（总计300个）

---

isnadf一些未经测试的东西可能会起作用：

apply(dfrm, 1, function(r) { r[ (which(is.na(r))[1]-1):(which(is.na(r))[1]-2)) ] } )

在这个例子中，我加载文本输出作为数据帧的常用方法失败了，因此我的建议是发布
dput
输出，而不是屏幕抓取。（在我看来，您应该使用header=TRUE进行数据输入，因为您的第一行数据看起来不像数据。）

有了新数据（并认识到无NA测试的必要性：

 apply(hierlist, 1, function(r) { r[ 
                      if( any(is.na(r))){ 
                          (which(is.na(r))[1]-1):( which(is.na(r))[1]-2) 
                       }else{
                          (length(r)-2): (length(r)-1)}
                                      ] }
       )
#--------------------------------------
     2         3          4                5                   
[1,] "194"     "domain"   "phylum"         "class"             
[2,] "no rank" "Bacteria" "Proteobacteria" "Betaproteobacteria"
     6                    7                    8                   
[1,] "Betaproteobacteria" "Betaproteobacteria" "Betaproteobacteria"
[2,] "class"              "class"              "class" 


我们是否应该了解RDP多分类层次结构文件以提供帮助？如果不知道，我必须承认这很难理解。您能否将其简化为一些小的内容（例如，为什么告诉我们您有一个data.frames列表，而不仅仅是一个data.frames？）而且很容易理解，有一个输入和预期输出的示例。不过，我将向您指出矩阵索引是一个可能的解决方案。例如，请参见它的作用：
m Hi@flodel，这是一个更一般的问题，但输入列表很难一般生成。dput结构将是巨大的（它是一个2 Mb的列表）。我将尝试重新表述我的问题：我有一个数据帧列表，因为我使用read.table读取了多个（30多个）文件。每个文件在列表中形成一个新的data.frame。手动创建每个数据帧相当费劲，而且这些文件是通过从目录中对某些文件进行灰色化来读取的，因此文件量可以更改。（……）ctd问题是，对于每一个数据帧，我需要不包含“NA”的每一行最后一列的值，以及在此之前两列的同一行上的值。最后一列的索引可以更改每一行。最后，我的输出应该是一个包含两列的data.frames的列表。感谢有关矩阵索引的提示，但是我宁愿不必为了操作而来回地从df转换到矩阵。好吧，理想的情况是你手动创建一个data.frame，比如说，六列五行，在适当的位置使用NA来处理所有情况。以及预期的输出。你的
角（hierlist$hier_M2MID06_Trimmed_noGaps.fas_fixrank.txt，n=c（7,10））
算是一个不错的例子，你可以只给出所有称之为数据的
dput
。另外，当我说预期输出时，我指的是确切的数据结构以及解释。Hi@IShouldBuyABoat，我没有加载header=t的原因是源文件中的列数可变。我是awar第一行是“header-like”，但实际上我对这一行不感兴趣。我只是用一些模式将我的文件列表灰显：
filei我试图对列表进行dput，但它太大了（2Mb）。即使尝试只输出列表中的两个元素也是不可能的，因为R控制台没有提供足够长的输出，我也无法以任何方式发布。在上，您将找到指向列表第一个数据帧的dput的链接。其他数据帧具有类似的结构。
dput（head（dfrm，30））
正如您在我对问题所做的编辑和与flodel的讨论中所看到的，我现在提供了数据帧角的dput（角是来自包BurstDisc的函数，基本上是一个二维头函数）。
 source("http://bioconductor.org/biocLite.R")
 biocLite("impute")
 require(impute)
 data(khanmiss)

isnadf<-as.data.frame(which(is.na(khanmiss),arr.ind=T))
na.rows<-sort(unique(isnadf$row))
length(na.rows) #the dataset has 222 rows which contain NA
na.khanmiss<-khanmiss[na.rows,]
notna.rows<-setdiff(rownames(khanmiss),na.rows)
notna.rows.selected<-sort(as.numeric(sample(notna.rows,78)))
notna.selected.khanmiss<-khanmiss[notna.rows.selected,]
khanmiss.selected<-rbind(na.khanmiss,notna.selected.khanmiss)
dfsizes<-c(82,74,79,65) #arbitrarily selected, adds up to 300
khanmiss.list<-split(khanmiss.selected,rep(letters[1:4],dfsizes))

apply(dfrm, 1, function(r) { r[ (which(is.na(r))[1]-1):(which(is.na(r))[1]-2)) ] } )

 apply(hierlist, 1, function(r) { r[ 
                      if( any(is.na(r))){ 
                          (which(is.na(r))[1]-1):( which(is.na(r))[1]-2) 
                       }else{
                          (length(r)-2): (length(r)-1)}
                                      ] }
       )
#--------------------------------------
     2         3          4                5                   
[1,] "194"     "domain"   "phylum"         "class"             
[2,] "no rank" "Bacteria" "Proteobacteria" "Betaproteobacteria"
     6                    7                    8                   
[1,] "Betaproteobacteria" "Betaproteobacteria" "Betaproteobacteria"
[2,] "class"              "class"              "class"