Удалить строки с отсутствующими > 50% в определенных столбцах в R

вот мои данные:

data <- data.frame(id=c(1,2,3,4,5),
                   ethnicity=c("asian",NA,NA,NA,"asian"),
                   age=c(34,NA,NA,NA,65),
                   a1=c(3,4,5,2,7),
                   a2=c("y","y","y",NA,NA),
                   a3=c("low", NA, "high", "med", NA),
                   a4=c("green", NA, "blue", "orange", NA))


  id ethnicity age a1   a2   a3     a4
   1     asian  34  3    y  low  green
   2      <NA>  NA  4    y <NA>   <NA>
   3      <NA>  NA  5    y high   blue
   4      <NA>  NA  2 <NA>  med orange
   5     asian  65  7 <NA> <NA>   <NA>

Я хотел бы удалить строки, в которых отсутствует> 50% в столбцах с а1 по а4.

Я пробовал приведенный ниже код; но у меня возникли проблемы с указанием столбцов, для которых я хочу, чтобы это вступило в силу:

data[which(rowMeans(!is.na(data)) > 0.5), ] #This doesn't specify the column

miss2 <- c()
for(i in 1:nrow(data)) {
  if (length(which(is.na(data[4:7,]))) >= 0.5*ncol(data)) miss2 <- append(miss2,4:7) 
}
data1 <- data[-miss2,]

#I thought I specified the column here but im not getting the output I was hoping for (i.e id 4 doesn't show up)

Приведенный выше код проверяет отсутствие во всех столбцах. Я хотел бы указать, чтобы просто искать% отсутствующих в столбцах a1,a2,a3,a4. То, что я надеюсь получить, приведено ниже:

  id ethnicity age a1   a2   a3     a4
   1     asian  34  3    y  low  green
   2      <NA>  NA  4    y <NA>   <NA>
   3      <NA>  NA  5    y high   blue
   4      <NA>  NA  2 <NA>  med orange

Любая помощь приветствуется, спасибо!

Стоит ли изучать PHP в 2023-2024 годах?
Стоит ли изучать PHP в 2023-2024 годах?
Привет всем, сегодня я хочу высказать свои соображения по поводу вопроса, который я уже много раз получал в своем сообществе: "Стоит ли изучать PHP в...
Поведение ключевого слова "this" в стрелочной функции в сравнении с нормальной функцией
Поведение ключевого слова "this" в стрелочной функции в сравнении с нормальной функцией
В JavaScript одним из самых запутанных понятий является поведение ключевого слова "this" в стрелочной и обычной функциях.
Приемы CSS-макетирования - floats и Flexbox
Приемы CSS-макетирования - floats и Flexbox
Здравствуйте, друзья-студенты! Готовы совершенствовать свои навыки веб-дизайна? Сегодня в нашем путешествии мы рассмотрим приемы CSS-верстки - в...
Тестирование функциональных ngrx-эффектов в Angular 16 с помощью Jest
В системе управления состояниями ngrx, совместимой с Angular 16, появились функциональные эффекты. Это здорово и делает код определенно легче для...
Концепция локализации и ее применение в приложениях React ⚡️
Концепция локализации и ее применение в приложениях React ⚡️
Локализация - это процесс адаптации приложения к различным языкам и культурным требованиям. Это позволяет пользователям получить опыт, соответствующий...
Пользовательский скаляр GraphQL
Пользовательский скаляр GraphQL
Листовые узлы системы типов GraphQL называются скалярами. Достигнув скалярного типа, невозможно спуститься дальше по иерархии типов. Скалярный тип...
2
0
66
3
Перейти к ответу Данный вопрос помечен как решенный

Ответы 3

Ответ принят как подходящий
data[rowSums(is.na(data[, -c(1:3)])) / 4  <= .5, ]
#>   id ethnicity age a1   a2   a3     a4
#> 1  1     asian  34  3    y  low  green
#> 2  2      <NA>  NA  4    y <NA>   <NA>
#> 3  3      <NA>  NA  5    y high   blue
#> 4  4      <NA>  NA  2 <NA>  med orange

Вы действительно близки, основная проблема заключается в использовании which (массива индексов) вместо простого массива логических значений.

keep <- rowMeans(is.na(data[,4:7])) <= 0.5

keep
[1]  TRUE  TRUE  TRUE  TRUE FALSE

data[keep,]
  id ethnicity age a1   a2   a3     a4
1  1     asian  34  3    y  low  green
2  2      <NA>  NA  4    y <NA>   <NA>
3  3      <NA>  NA  5    y high   blue
4  4      <NA>  NA  2 <NA>  med orange

Просто для удовольствия dplyr подход: Здесь мы объединяем rowwise с оператором сравнения непосредственно в filter. Сначала мы проверяем сумму NA по a1:a4, делим на количество столбцов и спрашиваем, верно ли условие <= 0,5:

Для этого нам нужно преобразовать все (a1:a4) в один и тот же класс:

data %>% 
  rowwise() %>% 
  mutate(a1 = as.character(a1)) %>% 
  filter(sum(is.na(c_across(a1:a4))) / length(c_across(a1:a4)) <= 0.5)
     id ethnicity   age a1    a2    a3    a4    
  <dbl> <chr>     <dbl> <chr> <chr> <chr> <chr> 
1     1 asian        34 3     y     low   green 
2     2 NA           NA 4     y     NA    NA    
3     3 NA           NA 5     y     high  blue  
4     4 NA           NA 2     NA    med   orange

Другие вопросы по теме