是否可以使用dplyr過濾完整個案的data.frame？當然，complete.cases列出了所有變量的作品。但是，a）當有很多變量時是冗長的，b）當變量名稱未知時（例如，在處理任何數據幀的函數中），不可能。使用dplyr（個案刪除）過濾data.frame中的完整個案
library(dplyr)
df = data.frame(
x1 = c(1,2,3,NA),
x2 = c(1,2,NA,5)
)
df %.%
filter(complete.cases(x1,x2))
試試這個：
df %>% na.omit
或本：
df %>% filter(complete.cases(.))
ADDED已經更新，以反映最新版本dplyr和評論。
剛回來回答，看到了你有用的答案！ – infominer
謝謝！我添加了一些基準結果。 'na.omit（）'表現很差，但速度很快。 – user2503795
現在也適用：'df％>％filter（complete.cases（。））'。不確定最近dplyr的變化是否可能。 – user2503795
試試這個
df[complete.cases(df),] #output to console
甚至這個
df.complete <- df[complete.cases(df),] #assign to a new data.frame
上述命令採取的完整性檢查所有列（變量） 在data.frame照顧。
謝謝。我想我還不夠清楚（問題更新）。我知道complete.cases（df），但我想用'dplyr'作爲過濾函數的一部分。這將允許在dplyr鏈等整合。 – user2503795
檢查答案由@ G.Grothendieck – infominer
在'dplyr ::: do.data.frame'語句'env $。 < - .data'爲環境添加點。 magrittr ::「％>％」中沒有這樣的聲明' –
以下是格洛騰迪克回覆的一些基準測試結果。 na.omit（）比其他兩種解決方案花費的時間要多20倍。我認爲如果dplyr有一個函數可以作爲過濾器的一部分，那將會很好。
library('rbenchmark')
library('dplyr')
n = 5e6
n.na = 100000
df = data.frame(
x1 = sample(1:10, n, replace=TRUE),
x2 = sample(1:10, n, replace=TRUE)
)
df$x1[sample(1:n, n.na)] = NA
df$x2[sample(1:n, n.na)] = NA
benchmark(
df %>% filter(complete.cases(x1,x2)),
df %>% na.omit(),
df %>% (function(x) filter(x, complete.cases(x)))()
, replications=50)
# test replications elapsed relative
# 3 df %.% (function(x) filter(x, complete.cases(x)))() 50 5.422 1.000
# 1 df %.% filter(complete.cases(x1, x2)) 50 6.262 1.155
# 2 df %.% na.omit() 50 109.618 20.217
這個答案值得這麼多票！... –
這個工作對我來說：
df %>%
filter(complete.cases(df))
或者多一點的一般：
library(dplyr) # 0.4
df %>% filter(complete.cases(.))
這將有一個數據可以在鏈已經修改的優勢然後將其傳遞給過濾器。
的又一標杆與列：
set.seed(123)
x <- sample(1e5,1e5*26, replace = TRUE)
x[sample(seq_along(x), 1e3)] <- NA
df <- as.data.frame(matrix(x, ncol = 26))
library(microbenchmark)
microbenchmark(
na.omit = {df %>% na.omit},
filter.anonymous = {df %>% (function(x) filter(x, complete.cases(x)))},
rowSums = {df %>% filter(rowSums(is.na(.)) == 0L)},
filter = {df %>% filter(complete.cases(.))},
times = 20L,
unit = "relative")
#Unit: relative
# expr min lq median uq max neval
# na.omit 12.252048 11.248707 11.327005 11.0623422 12.823233 20
#filter.anonymous 1.149305 1.022891 1.013779 0.9948659 4.668691 20
# rowSums 2.281002 2.377807 2.420615 2.3467519 5.223077 20
# filter 1.000000 1.000000 1.000000 1.0000000 1.000000 20
我更新你的答案與「。」在complete.cases和增加的基準 - 希望你不介意:-) –
:)我不知道。謝謝。 –
我發現'df％>％slice（complete.cases（。）））'比上述基準中的過濾器方法執行速度快了20％。 –
這是一個簡短的功能，它可以讓你指定的列（基本上是所有這dplyr::select可以理解），它不應該有任何NA值（熊貓爲藍本df.dropna()）：
drop_na <- function(data, ...){
if (missing(...)){
f = complete.cases(data)
} else {
f <- complete.cases(select_(data, .dots = lazyeval::lazy_dots(...)))
}
filter(data, f)
}
[drop_na is now part of tidyr：上述可以通過library("tidyr")取代]
實例：
library("dplyr")
df <- data.frame(a=c(1,2,3,4,NA), b=c(NA,1,2,3,4), ac=c(1,2,NA,3,4))
df %>% drop_na(a,b)
df %>% drop_na(starts_with("a"))
df %>% drop_na() # drops all rows with NAs
只是爲了完整性起見，dplyr::filter可以完全避免，但仍能夠僅僅通過使用magrittr:extract（的[別名）組成的鏈：
library(magrittr)
df = data.frame(
x1 = c(1,2,3,NA),
x2 = c(1,2,NA,5))
df %>%
extract(complete.cases(.),)
附加獎金是速度，這是filter和na.omit變種（使用@MihaTroštmicrobenchmarks進行測試）中最快的方法。
'complete.cases'不只是接受向量。它也需要整個數據幀。 – joran
但是，這並不是'dplyr'的過濾功能的一部分。我想我還不夠清楚，並更新了我的問題。 – user2503795
這將有助於如果你能證明它如何不能與dplyr一起工作，但是當我用過濾器嘗試它時，它工作得很好。 – joran