在R中使用NA值对drop行进行子集划分的有效方法

背景 在运行逐步模型选择之前，我需要删除任何模型项的缺失值。在我的模型中有很多术语，因此有很多向量需要查找NA值（并删除任何向量中有NA值的行）。但是，也有一些向量包含NA值，我不想将其用作删除行的术语/标准

问题 如何从包含任何向量列表NA值的数据帧中删除行？我目前使用的是一长串的笨拙方法！是的，娜娜的

> my.df[!is.na(my.df$termA)&!is.na(my.df$termB)&!is.na(my.df$termD),]

---

但我确信还有一种更优雅的方法。

编辑：我完全忽略了

子集

，这是为子设置内容而设计的内置函数：

my.df <- subset(my.df, 
  !(is.na(termA) |
    is.na(termB) |
    is.na(termC) )
  )

但是如果您经常这样做，您可能还需要一个helper函数，

is\u any（）

这是一种方式：

#  create some random data
df <- data.frame(y=rnorm(100),x1=rnorm(100), x2=rnorm(100),x3=rnorm(100))
# introduce random NA's
df[round(runif(10,1,100)),]$x1 <- NA
df[round(runif(10,1,100)),]$x2 <- NA
df[round(runif(10,1,100)),]$x3 <- NA

# this does the actual work...
# assumes data is in columns 2:4, but can be anywhere
for (i in 2:4) {df <- df[!is.na(df[,i]),]}

第一条语句将函数

is.na（…）

应用于

df

的第2:4列，并反转结果（我们想要

！na

）。第二条语句将逻辑

&

运算符依次应用于

xx

的列。第三条语句只提取

yy=T

的行。显然，这可以组合成一个极其复杂的声明

zz <-df[Reduce("&",data.frame(!sapply(df[2:4],is.na))),]

---

zz将
dat
设为数据帧，将
cols
设为感兴趣的列名或列号向量。然后你可以用

dat[!rowSums(is.na(dat[cols])), ]

要排除至少有一个
NA
的所有行，您是否尝试过：NA.omit（my.df）我没有，这是一个多么有用的函数，谢谢！在本例中，我有一些其他的带有NA值的向量，我没有使用这些向量和术语，因此不想将其用作删除标准，因此它在这里并不完美。我已经在问题中添加了这些细节。在处理NAs时，这些显然比我的解决方案要好。对于大小合理的数据帧，For循环还具有易于理解的优点。我喜欢使用带有

的

解决方案，因为它具有额外的优势，可以很好地转换为多个不同的标准（颜色='green'，物种%c（'setosa'，'versicolor'），等等）。这是解决在特定列中消除
NA
s问题的最佳解决方案。我仍然喜欢
with
解决方案，因为它允许您很好地处理其他条件，然后还可以很好地在
中使用
就地更改数据。
xx <- data.frame(!sapply(df[2:4],is.na))
yy <- Reduce("&",xx)
zz <- df[yy,]

zz <-df[Reduce("&",data.frame(!sapply(df[2:4],is.na))),]

dat[!rowSums(is.na(dat[cols])), ]