Suppression des lignes avec toutes ou certaines NA (valeurs manquantes) dans le data.frame

Question

Je voudrais supprimer les lignes dans ce cadre de données qui :

a) contiennent NA dans toutes les colonnes. Voici mon exemple de cadre de données.

             gene hsap mmul mmus rnor cfam
1 ENSG00000208234    0   NA   NA   NA   NA
2 ENSG00000199674    0   2    2    2    2
3 ENSG00000221622    0   NA   NA   NA   NA
4 ENSG00000207604    0   NA   NA   1    2
5 ENSG00000207431    0   NA   NA   NA   NA
6 ENSG00000221312    0   1    2    3    2

En gros, j'aimerais obtenir un cadre de données tel que le suivant.

             gene hsap mmul mmus rnor cfam
2 ENSG00000199674    0   2    2    2    2
6 ENSG00000221312    0   1    2    3    2

b) contiennent NA dans certaines colonnes seulement pour que je puisse également obtenir ce résultat :

             gene hsap mmul mmus rnor cfam
2 ENSG00000199674    0   2    2    2    2
4 ENSG00000207604    0   NA   NA   1    2
6 ENSG00000221312    0   1    2    3    2

Answer 1

Vérifiez également complete.cases :

> final[complete.cases(final), ]
             gene hsap mmul mmus rnor cfam
2 ENSG00000199674    0    2    2    2    2
6 ENSG00000221312    0    1    2    3    2

na.omit est plus agréable pour supprimer tous les NA 's. complete.cases permet une sélection partielle en incluant seulement certaines colonnes du cadre de données :

> final[complete.cases(final[ , 5:6]),]
             gene hsap mmul mmus rnor cfam
2 ENSG00000199674    0    2    2    2    2
4 ENSG00000207604    0   NA   NA    1    2
6 ENSG00000221312    0    1    2    3    2

Votre solution ne peut pas fonctionner. Si vous insistez pour utiliser is.na alors vous devez faire quelque chose comme :

> final[rowSums(is.na(final[ , 5:6])) == 0, ]
             gene hsap mmul mmus rnor cfam
2 ENSG00000199674    0    2    2    2    2
4 ENSG00000207604    0   NA   NA    1    2
6 ENSG00000221312    0    1    2    3    2

mais en utilisant complete.cases est beaucoup plus claire et rapide.

Answer 2

Essayez na.omit(your.data.frame) . Quant à la deuxième question, essayez de la poster comme une autre question (pour plus de clarté).

Answer 3

Je préfère la méthode suivante pour vérifier si les lignes contiennent des NA :

row.has.na <- apply(final, 1, function(x){any(is.na(x))})

Cette fonction renvoie un vecteur logique avec des valeurs indiquant s'il y a un NA dans une ligne. Vous pouvez l'utiliser pour savoir combien de lignes vous devrez abandonner :

sum(row.has.na)

et finalement les laisser tomber

final.filtered <- final[!row.has.na,]

Pour filtrer les lignes contenant une certaine partie de NA, cela devient un peu plus délicat (par exemple, vous pouvez introduire 'final[,5:6]' dans 'apply'). En général, la solution de Joris Meys semble être plus élégante.

Answer 4

Une autre option si vous voulez un plus grand contrôle sur la façon dont les rangées sont considérées comme invalides est

final <- final[!(is.na(final$rnor)) | !(is.na(rawdata$cfam)),]

En utilisant ce qui précède, ceci :

             gene hsap mmul mmus rnor cfam
1 ENSG00000208234    0   NA   NA   NA   2
2 ENSG00000199674    0   2    2    2    2
3 ENSG00000221622    0   NA   NA   2   NA
4 ENSG00000207604    0   NA   NA   1    2
5 ENSG00000207431    0   NA   NA   NA   NA
6 ENSG00000221312    0   1    2    3    2

Devient :

             gene hsap mmul mmus rnor cfam
1 ENSG00000208234    0   NA   NA   NA   2
2 ENSG00000199674    0   2    2    2    2
3 ENSG00000221622    0   NA   NA   2   NA
4 ENSG00000207604    0   NA   NA   1    2
6 ENSG00000221312    0   1    2    3    2

...où seule la ligne 5 est supprimée car c'est la seule ligne contenant des NA pour les deux rnor ET cfam . La logique booléenne peut ensuite être modifiée pour répondre à des besoins spécifiques.

Answer 5

Cela renverra les lignes qui ont au moins UNE valeur non-NA.

final[rowSums(is.na(final))<length(final),]

Cela renverra les lignes qui ont au moins DEUX valeurs non-NA.

final[rowSums(is.na(final))<(length(final)-1),]