【R】如何去掉数据框中包含非数值的行？__r语言去掉数据一行

link之家

链接快照平台

输入网页链接，自动生成快照
标签化管理网页链接

1. 去掉指定列中包含NA/Inf/NaN的行

#如果只是包含NA/Inf/NaN，读入都是视为数值
d <- data.frame(x=c(NA,2,3,Inf,-Inf,NaN),y=c(1,Inf,6,NA,4,NaN))
d
str(d)

> d
     x   y
1   NA   1
2    2 Inf
3    3   6
4  Inf  NA
5 -Inf   4
6  NaN NaN

'data.frame': 6 obs. of  2 variables:
 $ x: num  NA 2 3 Inf -Inf ...
 $ y: num  1 Inf 6 NA 4 ...

单独去掉：

> d[!is.na(d$x),] #去掉NA和NaN
     x   y
2    2 Inf
3    3   6
4  Inf  NA
5 -Inf   4

> d[!is.nan(d$x),] #去掉NaN
     x   y
1   NA   1
2    2 Inf
3    3   6
4  Inf  NA
5 -Inf   4

> d[!is.infinite(d$x),] #去掉Inf
    x   y
1  NA   1
2   2 Inf
3   3   6
6 NaN NaN

一次去掉：

> d[is.finite(d$x),]  #去掉Inf、NA和NaN，推荐
  x   y
2 2 Inf
3 3   6

> d[!is.na(d$x)&!is.nan(d$x)&!is.infinite(d$x),]
  x   y
2 2 Inf
3 3   6

2. 去掉指定列中包含其他乱七八糟字符串的行

如果除了以上三种，还包含其他乱七八糟的字符（一般读入时默认这一列就是因子类型），比如：

d <- data.frame(x=c(NA,2.0,3.3,0.2,4,Inf,NaN,"*","$","#"),y=c(1,NA,4,"*",'&',2,3,4,2,1))
> d
      x    y
1  <NA>    1
2     2 <NA>
3   3.3    4
4   0.2    *
5     4    &
6   Inf    2
7   NaN    3
8     *    4
9     $    2
10    #    1
> str(d)
'data.frame': 10 obs. of  2 variables:
 $ x: Factor w/ 9 levels "#","$","*","0.2",..: NA 5 6 4 7 8 9 3 2 1
 $ y: Factor w/ 6 levels "&","*","1","2",..: 3 NA 6 2 1 4 5 6 4 3

去掉NA还是可以同上：

> d[!is.na(d$x),]
     x    y
2    2 <NA>
3  3.3    4
4  0.2    *
5    4    &
6  Inf    2
7  NaN    3
8    *    4
9    $    2
10   #    1

但NaN和Inf就不行了，因为is.nan和is.infinite函数只识别数值型。

> d[!is.nan(d$x),]
      x    y
1  <NA>    1
2     2 <NA>
3   3.3    4
4   0.2    *
5     4    &
6   Inf    2
7   NaN    3
8     *    4
9     $    2
10    #    1

> d[!is.infinite(d$x),]
      x    y
1  <NA>    1
2     2 <NA>
3   3.3    4
4   0.2    *
5     4    &
6   Inf    2
7   NaN    3
8     *    4
9     $    2
10    #    1

> d[is.finite(d$x),]
     x    y
2    2 <NA>
3  3.3    4
4  0.2    *
5    4    &
6  Inf    2
7  NaN    3
8    *    4
9    $    2
10   #    1

如果硬要这么干，就要进行类型转换，注意因子转数值需要字符做桥梁哦~

> d[!is.nan(as.numeric(as.character(d$x))),]
      x    y
1  <NA>    1
2     2 <NA>
3   3.3    4
4   0.2    *
5     4    &
6   Inf    2
8     *    4
9     $    2
10    #    1
Warning message:
In `[.data.frame`(d, !is.nan(as.numeric(as.character(d$x))), ) :
  NAs introduced by coercion

> d[!is.infinite(as.numeric(as.character(d$x))),]
      x    y
1  <NA>    1
2     2 <NA>
3   3.3    4
4   0.2    *
5     4    &
7   NaN    3
8     *    4
9     $    2
10    #    1
Warning message:
In `[.data.frame`(d, !is.infinite(as.numeric(as.character(d$x))),  :
  NAs introduced by coercion

> d[is.finite(as.numeric(as.character(d$x))),]
    x    y
2   2 <NA>
3 3.3    4
4 0.2    *
5   4    &
Warning message:
In `[.data.frame`(d, is.finite(as.numeric(as.character(d$x))), ) :
  NAs introduced by coercion

警告信息可以看到，乱七八糟字符强制转换数值视为NA了。因为数据量足够大的时候，我们无法知道数据里还含有什么妖魔鬼怪，这时可以只识别数字来提取（不包含NA、Inf和NaN）：

t <- grep("^\\d+$",as.character(d$x))
#as.numeric(as.character(d$x[t]))
d[t,]  #这里还是因子型，根据需要再转换为数值

> t
[1] 2 5
> d[t,]  
  x    y
2 2 <NA>
5 4    &

3. 去掉整个数据框中包含非数值的行

如果我们是针对整个数据框去除包含非数值的行？

只包含NA、NaN和Inf的情况

d <- data.frame(x=c(NA,2,3,Inf,-Inf,NaN),y=c(1,Inf,6,NA,4,NaN))
> na.omit(d)
     x y
3  3.3 4
4  0.2 *
5    4 &
6  Inf 2
7  NaN 3
8    * 4
9    $ 2
10   # 1

> d[!is.nan(rowSums(d)),]
     x   y
1   NA   1
2    2 Inf
3    3   6
4  Inf  NA
5 -Inf   4

> d[!is.infinite(rowSums(d)),] #为啥还有一个Inf的行？
    x   y
1  NA   1
3   3   6
4 Inf  NA
6 NaN NaN

> d[is.finite(rowSums(d)),] #去掉Inf、NA和NaN，推荐
  x y
3 3 6

或者使用R包 IDPmisc::NaRv 来处理：

> require(IDPmisc)
> NaRV.omit(d)
  x y
3 3 6

针对其他字符情况

我自己随便写的：

> index <- apply(d,1,function(x){grepl("^\\d+$",as.character(x))})
> index
      [,1]  [,2] [,3]  [,4]  [,5]  [,6]
[1,] FALSE  TRUE TRUE FALSE FALSE FALSE
[2,]  TRUE FALSE TRUE FALSE  TRUE FALSE

> d[apply(index,2,function(x)all(x)),]
  x y
3 3 6

4. 总结下推荐用法

指定列，且只含有NA/Inf/NaN：

d[is.finite(d$x),]

指定列，含有其他字符：

d[is.finite(as.numeric(as.character(d$x))),]

不指定列，且只含有NA/Inf/NaN：

d[is.finite(rowSums(d)),]

IDPmisc::NaRV.omit(d)

不指定列，含有其他字符：

index <- apply(d,1,function(x){grepl("^\\d+$",as.character(x))})
d[apply(index,2,function(x)all(x)),]

Ref: https://stackoverflow.com/questions/15773189/remove-na-nan-inf-in-a-matrix https://www.thinbug.com/q/25276155

作者： Bioinfarmer

ImgList[0]="https://image1.jpg"; ImgList[1]="https://image2.jpg"; ImgList[2]="https://image3.jpg"; var Img