Sélectionner un sous-ensemble de données en fonction du nombre d'observations dans chaque colonne

Question

Je rencontre un problème, pourriez-vous me donner un coup de main? J'ai essayé de trouver une solution, mais je n'ai aucune idée de comment m'en sortir.

Merci d'utiliser ceci pour recréer mon dataframe.

structure(list(A1 = c(87L, 67L, 80L, 36L, 71L, 6L, 26L, 15L, 
14L, 46L, 19L, 93L, 5L, 94L), A2 = c(50L, NA, 73L, 58L, 47L, 
74L, 39L, NA, NA, NA, NA, NA, NA, NA), A3 = c(NA, 38L, 10L, 41L, 
NA, 66L, NA, 7L, 29L, NA, 70L, 23L, 46L, 55L)), .Names = c("A1", 
"A2", "A3"), class = "data.frame", row.names = c(NA, -14L))

J'ai ce dataframe:

A1  A2  A3
87  50  NA
67  NA  38
80  73  10
36  58  41
71  47  NA
6   74  66
26  39  NA
15  NA  7
14  NA  29
46  NA  NA
19  NA  70
93  NA  23
5   NA  46
94  NA  55

Quel est le moyen de couper le dataframe lorsque nous avons 7 observations (ou plus) par colonne? Ainsi, la sortie souhaitée ressemblerait à ceci (nous avons au moins 7 observations par colonne):

A1  A3
87  NA
67  38
80  10
36  41
71  NA
6   66
26  NA
15  7
14  29
46  NA
19  70
93  23
5   46
94  55

Je suis ouvert à toute solution pouvant être généralisée à plus de colonnes.

Answer 1

Essayez

df1[, colSums(!is.na(df1)) >= 7]
#   A1 A3
#1  87 NA
#2  67 38
#3  80 10
#4  36 41
#5  71 NA
#6   6 66
#7  26 NA
#8  15  7
#9  14 29
#10 46 NA
#11 19 70
#12 93 23
#13  5 46
#14 94 55

---

étape par étape

Ce que vous devez faire en premier lieu est de déterminer quelles valeurs de vos données ne sont pas manquantes.

!is.na(df1)

Cela renvoie une matrice logique

#        A1    A2    A3
# [1,] TRUE  TRUE FALSE
# [2,] TRUE FALSE  TRUE
# [3,] TRUE  TRUE  TRUE
# [4,] TRUE  TRUE  TRUE
# [5,] TRUE  TRUE FALSE
# [6,] TRUE  TRUE  TRUE
# [7,] TRUE  TRUE FALSE
# [8,] TRUE FALSE  TRUE
# [9,] TRUE FALSE  TRUE
#[10,] TRUE FALSE FALSE
#[11,] TRUE FALSE  TRUE
#[12,] TRUE FALSE  TRUE
#[13,] TRUE FALSE  TRUE
#[14,] TRUE FALSE  TRUE

Utilisez colSums pour déterminer combien d'observations par colonne ne sont pas manquantes

colSums(!is.na(df1))
#A1 A2 A3 
#14  6 10

Appliquez votre condition "supérieure ou égale à 7 observations (compte) par colonnes"

colSums(!is.na(df1)) >= 7
#   A1    A2    A3 
# TRUE FALSE  TRUE

Enfin, vous devez utiliser ce vecteur pour sous-ensemble vos données

df1[, colSums(!is.na(df1)) >= 7]

---

Transformez cela en une fonction si vous en avez besoin régulièrement

cols_presque_complets <- function(data, min_obs) {
  data[, colSums(!is.na(data)) >= min_obs, drop = FALSE]
}

cols_presque_complets(df1, 7)