刪除大量零的列

Question

我正在優化我的數據框以擺脫無用的變量。第一步我做的是去除具有比其行作爲NA值的一半以上列，使用這個命令：

limit <- nrow(mydata)/2 
mydata <- mydata[, which(as.numeric(colSums(!is.na(mydata))) > limit)] 

我很期待作出零同樣的事情，但我無法找到一個功能像「is.zero（）」，我該怎麼做？

，我很期待做的另一件事，是去除重複的任何值不是「限制」倍以上任一列（如果這樣的命令存在，它是理想的！）

非常感謝，

Answer 1

只要做到：

mydata <- mydata[, which(as.numeric(colSums(mydata != 0)) > limit)] 

至於去除重複任何價值超過 「極限」 次欄，您可以使用table，any和apply：

mydata <- mydata[, which(apply(mydata, 2, function(col) !any(table(col) > limit)))] 

最後，請注意，這兩種情況下的which是可選的，並且第一種情況下的as.numeric是不必要的。你可以簡單地做：

mydata <- mydata[, colSums(mydata != 0) > limit] 

Answer 2

爲了尋找非零，只需用mydata != 0取代!is.na(mydata)。

爲了獲得最頻繁的部件的數量，你可以使用：

> mydata <- c(1,2,3,4,1,1,1,2,1,3) 
> sort(table(mydata), decreasing=T)[[1]] 
[1] 5 

要看到，重複最多的實際值：

> names(sort(table(mydata), decreasing=T)[1]) 
[1] "1" 

如果你不關心保護值，你可以使用max()而不是sort()：

> max(table(mydata)) 
[1] 5