R 用NA'移除柱；仅限s和/或零

我有一个样本数据集，看起来与下面的数据集类似：

d= data.frame(a = c(1,5,56,4,9), 
              b = c(0,0,NA,0,NA), 
              c = c(98,67,NA,3,7), 
              d = c(0,0,0,0,0), 
              e = c(NA,NA,NA,NA,NA))

这将是：

| a  |  b |  c | d | e  |
|----|:--:|---:|---|----|
| 1  |  0 | 98 | 0 | NA |
| 5  |  0 | 67 | 0 | NA |
| 56 | NA | NA | 0 | NA |
| 4  | 0  | 3  | 0 | NA |
| 9  | NA | 7  | 0 | NA |

| a  |  c |
|----|:--:|
| 1  | 98 |
| 5  | 67 |
| 56 | NA |
| 4  | 3  |
| 9  | 7  |

我需要删除所有具有以下内容的列：

1. NA's and Zeros
2. Only Zeros
3. Only NA's

因此，基于上述数据集，应删除b、d和e列。所以，我首先需要找出哪些列具有这样的条件，然后删除它们

我浏览了这个链接，但我不清楚解决方案。而且，它不能提供我想要的输出

最后的产出将是：

| a  |  b |  c | d | e  |
|----|:--:|---:|---|----|
| 1  |  0 | 98 | 0 | NA |
| 5  |  0 | 67 | 0 | NA |
| 56 | NA | NA | 0 | NA |
| 4  | 0  | 3  | 0 | NA |
| 9  | NA | 7  | 0 | NA |

| a  |  c |
|----|:--:|
| 1  | 98 |
| 5  | 67 |
| 56 | NA |
| 4  | 3  |
| 9  | 7  |

---

一种选择是基于

NA

或每列中0个元素的数量，创建一个逻辑向量，该向量具有

colSums

d[!colSums(is.na(d)|d ==0) == nrow(d)]
#  a    c
#1  1   98
#2  5   67
#3 56   NA
#4  4    3
#5  9    7

或者另一个选项是将所有0替换为

NA

，然后应用

is.NA

d[colSums(!is.na(replace(d, d == 0, NA))) > 0]

如果

d[colSums(!is.na(na_if(d, 0))) > 0]

---

在

base

中，假设我们有不同类型的列：

as.data.frame（过滤器（函数（x）！all（x==“NA”| x==“0”），{lapply（d，as.character）}））

使用

dplyr

：

库（dplyr）
d%>%
全部变异（如字符）%>%
选择（其中（colSums（abs（.），na.rm=T）！=0））

---

输出：

#>a c
#> 1  1 98
#> 2  5 67
#>356NA
#> 4  4  3
#> 5  9  7

将NAs和0存储为字符串非常奇怪，但这就是问题所在

bad_column <- function(z) {
  all(z %in% c("NA", "0"))
}

d[, !sapply(d, bad_column), drop = FALSE]

---

bad_column我们可以使用
apply
列方式，删除包含
all
、
NA
或0的列

d[!apply(d == 0 | is.na(d), 2, all)]

#   a  c
#1  1 98
#2  5 67
#3 56 NA
#4  4  3
#5  9  7

我已经在我的真实数据集上尝试过了。我不知道为什么，但它不会删除同时包含NA和零的列。即使在上面的示例数据集中，它也不会删除列e。我能想到的另一种方法是用零替换所有NA，然后用全零删除列，但这似乎也不起作用。@hk2根据您的示例，我得到了预期的输出。可能是你用的早一点version@akrun我很抱歉。我做了编辑。它们是数字的，谢谢。我测试了你的数据，它似乎可以很好地返回预期的输出。这篇文章已经编辑过了。我已将它们更改为数字。如果所有列都是数字，则为真。但是，如果其中一些列的数据类型不同，例如字符和日期，则如何修改上述代码？@hk2请编辑您的数据集，并使其代表您的实际数据集