R语言删除数据框中含有缺失值NA的行或列

最新推荐文章于 2023-11-14 23:17:07 发布
最新推荐文章于 2023-11-14 23:17:07 发布
阅读量7.3w 收藏 53
点赞数 5
分类专栏： Statistics and R
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/flyfrommath/article/details/78367492
版权

x是一个数据框

1.删除数据框x中含有缺失值NA的行可以用下面方法

（1）

x  <- x[complete.cases(x),]

（2）

x <- na.omit(x)

2.删除数据框x中含有缺失值NA的列可以用下面方法

na_flag <- apply(is.na(x), 2, sum)
x <- x[,which(na_flag == 0)]



参考：http://bbs.pinggu.org/thread-3912847-1-1.html

banlucainiao
关注
  • 5
    点赞
  • 踩
  • 53
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
R语言使用complete.cases函数筛选出dataframe中不包含缺失值的所有数据行（select rows not have missing values）
statistics+insight+vista+power
02-19 3649
R语言使用complete.cases函数筛选出dataframe中不包含缺失值的所有数据行（select rows not have missing values）
R语言处理缺失值
01-07
在R语言中，is.na()函数可以判断元素是否是缺失值，从而返回逻辑值(TRUE/FALSE)，所以该函数将会返回和元数据集一样大小的数据集。在判断缺失值的过程中，需要注意以下两点： 一是缺失值是不可以比较的，即不可以用...
小技巧-只删除某一列中含NA的行(R)
最新发布
玄武灌汤包
11-14 397
目的：只删除数据框“data”中“A”这一列里所有含NA的行。方法：使用tidyr包里的drop_na()
R语言删除包含缺失值的行并将字符数据列（character）转化为因子列(factor)实战
data+scenario+science+insight
11-11 1839
R语言删除包含缺失值的行并将字符数据列（character）转化为因子列(factor)实战 目录 R语言删除包含缺失值的行并将字符数据列（character）转化为因子列(factor)实战 #仿真数据 #删除包含缺失值的行并将字符数据列（character）转化为因子列(factor) #仿真数据 #create data frame df <- data.frame(y = c(30, 29, NA, 45, NaN, 19, 9, 8, 11, 14),
数据分析基础——R语言（处理缺失值）
二哥为啥不像程序员？
08-01 1万+
进行简单的数据处理时，我们处理的基本都是完整的数据集，但是实际问题中我们经常会遇到带有缺失值的数据，处理此类数据也就显得尤为重要。 处理缺失值的一般步骤 首先我们列出处理缺失值的一般步骤，对整个流程有一个大致的了解。 识别缺失数据； 检查导致数据缺失的原因； 删除包含缺失值的实例或用合理的数值插补缺失值。 数据缺失的种类 完全随机缺失（MCAR） 随机缺失（MAR） 非随机缺失（N...
R语言——数据清洗之缺失值处理
devoteto的博客
10-13 4万+
数据清洗之缺失值——R语言 缺失值处理步骤： 1）识别缺失数据； 2）检查导致数据缺失的原因； 3）删除包含缺失值的实例或用合理的数值代替（插补）缺失值 缺失值数据的分类： 1）完全随机缺失：若某变量的缺失数据与其他任何观测或未观测变量都不相关，则数据为完全随机缺失（MCAR）。 2）随机缺失：若某变量上的缺失数据与其他观测变量相关，与它自己的未观测值不相关，则数据为随机缺失（MAR）。 3）非随机缺失：若缺失数据不属于MCAR或MAR，则数据为非随机缺失（NMAR） 识别缺失数据的数目、分布和模式有两个目
R语言剔除包含NA值的行
qq_36481674的博客
12-21 3万+
R语言剔除包含NA的行或列前言NA值的影响去除NA值 前言 在数据分析的过程中，数据的前处理是非常重要的。数据中出现“NA”是非常常见的，“NA”指“Not Available”，出现NA常常会影响我们进行数据分析，这是因为NA是会传染的。 NA值的影响 看以下例子： > a <- c(1,2,3,4,5) > mean(a) [1] 3 如果出现NA，情况就不一样了 > a <- c(1,2,3,4,5,NA) > mean(a) [1] NA 由此可见，NA值
python 检查数据中是否有缺失值,删除缺失值的方式
09-18
今天小编就为大家分享一篇python 检查数据中是否有缺失值,删除缺失值的方式，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
数据整合和数据清洗.rar_R语言 排序_数据整理_数据清洗_数据清理_缺失值处理
07-14
R语言数据整理和数据清理的例子，包括缺失值处理，排序，筛选等处理方法
数据缺失的处理R语言代码.rar_数据缺失；R语言
09-24
数据缺失的处理：包括实验数据和相应的R语言代码；代码中读取文件的地址需要自行修改
R语言如何删除数据集中包含缺失数据NA的行？
热门推荐
ofoliao的博客
05-04 5万+
请看stackoverflow大神们的花样操作： https://stackoverflow.com/questions/4862178/remove-rows-with-all-or-some-nas-missing-values-in-data-frame
R语言缺失值的处理
qq_54423921的博客
06-25 1万+
如图所示，这个数据中有很多缺失值 我们可以用函数来判断缺失值 是TRUE则表明是，FALSE则表明不是缺失值 我们可以用函数来计算缺失值的数量 可以看出一共有43个缺失值如果数据是数据框的形式，使用此函数效果更佳 当数据是数据框时，使用此函数可以直接删除缺失值，当数据是向量形式时，删除缺失数据的同时也会把缺失的数据给指出来 可以看出缺失值变成了29 3.替换为标准差 样本插值法...
删除data.frame中具有全部或部分NA（缺失值）的行
p15097962069的博客
12-27 9998
我想删除此数据框中的行： a） 在所有列中包含NA 。 以下是我的示例数据框。 gene hsap mmul mmus rnor cfam 1 ENSG0000
R语言在指定范围内按照固定步长生成数据、并创建dataframe数据
statistics+insight+vista+power
06-02 1027
R语言在指定范围内按照固定步长生成数据、并创建dataframe数据
R语言处理数据——仅删除全部缺失（全部为NA）的行
小八四爱吃甜食的博客
04-20 4629
仅删除全部缺失（全部为NA）的行 代码如下： # 先写成函数的形式，方便调用 removeRowsAllNa <- function(x){x[apply(x, 1, function(y) any(!is.na(y))),]} removeColsAllNa <- function(x){x[, apply(x, 2, function(y) any(!is.na(y)))]} data <- removeRowsAllNa(data) # 非函数形式则更简短，其中 x 为 Da
R语言中函数定义与调用
立身以力学为先，力学以读书为本。 —郑耕老《劝学》
01-15 2万+
函数定义格式： name {    expression } 调用的格式： name(arg1,arg2,...) R脚本中调用自定义的函数： 在自己的R脚本中调用自定义的函数时，需要将函数调入内存中，有2种方法： 1.在RGui中，单击“文件”，“输入R代码”，选择函数文件如“myfunction.R”，单击“打开（o）”按钮，R就会执行此文件。但在主窗口
R语言列表循环添加元素
立身以力学为先，力学以读书为本。 —郑耕老《劝学》
03-07 2万+
#列表循环添加元素 lst <- list() n <- 1 for(i in 1:10) { lst[[i]] <- n n <- n + 1 } > lst [[1]] [1] 1 [[2]] [1] 2 [[3]] [1] 3 [[4]] [1] 4 [[5]] [1] 5 [[6]] [1] 6 [[7]] [1] 7 [[8]] [1] 8 [[9]] [1] 9
在同一张图中画多条折线图，并添加图例
立身以力学为先，力学以读书为本。 —郑耕老《劝学》
04-25 1万+
mydata 数据如下图：#在同一张图中画多条折线图并添加图例rm(list = ls(all = TRUE))mydata &lt;- read.csv("test.csv",header = TRUE)spring_data &lt;- mydata[which(mydata$season == "spring"),]x_names &lt;- as.vector(spring_data$na...
R语言，将数据框data中含有缺失值的数据去除
05-18
你可以使用na.omit()函数来删除含有缺失值的数据行。这个函数会返回一个新的数据框，其中不包含缺失值的行。举个例子，假设你要对名为data的数据框进行操作，代码如下： ``` new_data <- na.omit(data) ``` 这个代码会将data中所有含有缺失值的行删除，并将结果保存到new_data中。如果你想要修改原始数据框data，可以直接使用下面的代码： ``` data <- na.omit(data) ``` 这个代码将会替换原始数据框data，并将删除后的结果保存到其中。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值