Saya mengalami masalah dengan kerangka data dan saya sendiri tidak bisa menyelesaikan masalah itu:
Kerangka data memiliki sifat sewenang-wenang sebagai kolom dan setiap baris mewakili satu set data .

Pertanyaannya adalah:
Bagaimana cara menyingkirkan kolom di mana untuk SEMUA baris nilainya NA ?

Coba ini:

df <- df[,colSums(is.na(df))<nrow(df)]

Dua pendekatan yang ditawarkan sejauh ini gagal dengan set data besar sebagai (di antara masalah memori lainnya) yang mereka buat is.na(df), yang akan menjadi objek dengan ukuran yang sama df.

Berikut adalah dua pendekatan yang lebih hemat memori dan waktu

Pendekatan menggunakan Filter

Filter(function(x)!all(is.na(x)), df)

dan pendekatan menggunakan data.table (untuk efisiensi waktu dan memori umum)

library(data.table)
DT <- as.data.table(df)
DT[,which(unlist(lapply(DT, function(x)!all(is.na(x))))),with=F]

contoh menggunakan data besar (30 kolom, 1e6 baris)

big_data <- replicate(10, data.frame(rep(NA, 1e6), sample(c(1:8,NA),1e6,T), sample(250,1e6,T)),simplify=F)
bd <- do.call(data.frame,big_data)
names(bd) <- paste0('X',seq_len(30))
DT <- as.data.table(bd)

system.time({df1 <- bd[,colSums(is.na(bd) < nrow(bd))]})
# error -- can't allocate vector of size ...
system.time({df2 <- bd[, !apply(is.na(bd), 2, all)]})
# error -- can't allocate vector of size ...
system.time({df3 <- Filter(function(x)!all(is.na(x)), bd)})
## user  system elapsed 
## 0.26    0.03    0.29 
system.time({DT1 <- DT[,which(unlist(lapply(DT, function(x)!all(is.na(x))))),with=F]})
## user  system elapsed 
## 0.14    0.03    0.18 

dplyrsekarang memiliki select_ifkata kerja yang mungkin berguna di sini:

library(dplyr)
temp <- data.frame(x = 1:5, y = c(1,2,NA,4, 5), z = rep(NA, 5))
not_all_na <- function(x) any(!is.na(x))
not_any_na <- function(x) all(!is.na(x))

> temp
  x  y  z
1 1  1 NA
2 2  2 NA
3 3 NA NA
4 4  4 NA
5 5  5 NA

> temp %>% select_if(not_all_na)
  x  y
1 1  1
2 2  2
3 3 NA
4 4  4
5 5  5

> temp %>% select_if(not_any_na)
  x
1 1
2 2
3 3
4 4
5 5

Cara lain adalah dengan menggunakan apply()fungsi tersebut.

Jika Anda memiliki data.frame

df <- data.frame (var1 = c(1:7,NA),
                  var2 = c(1,2,1,3,4,NA,NA,9),
                  var3 = c(NA)
                  )

maka Anda dapat menggunakan apply()untuk melihat kolom mana yang memenuhi kondisi Anda dan sehingga Anda dapat melakukan subsetting yang sama seperti dalam jawaban oleh Musa, hanya dengan applypendekatan.

> !apply (is.na(df), 2, all)
 var1  var2  var3 
 TRUE  TRUE FALSE 

> df[, !apply(is.na(df), 2, all)]
  var1 var2
1    1    1
2    2    2
3    3    1
4    4    3
5    5    4
6    6   NA
7    7   NA
8   NA    9

Terlambat ke permainan tetapi Anda juga dapat menggunakan janitorpaket. Fungsi ini akan menghapus kolom yang semuanya NA, dan dapat diubah untuk menghapus baris yang semuanya NA juga.

df <- janitor::remove_empty(df, which = "cols")

df[sapply(df, function(x) all(is.na(x)))] <- NULL

Jawaban yang diterima tidak berfungsi dengan kolom non-numerik. Dari jawaban ini , berikut ini berfungsi dengan kolom yang berisi tipe data berbeda

Filter(function(x) !all(is.na(x)), df)

Opsi lain dengan purrrpaket:

library(dplyr)

df <- data.frame(a = NA,
                 b = seq(1:5), 
                 c = c(rep(1, 4), NA))

df %>% purrr::discard(~all(is.na(.)))
df %>% purrr::keep(~!all(is.na(.)))

Saya harap ini juga dapat membantu. Itu bisa dibuat menjadi satu perintah, tetapi saya merasa lebih mudah bagi saya untuk membaca dengan membaginya dalam dua perintah. Saya membuat fungsi dengan instruksi berikut dan bekerja dengan cepat.

naColsRemoval = function (DataTable) { na.cols = DataTable [ , .( which ( apply ( is.na ( .SD ) , 2 , all ) ) )] DataTable [ , unlist (na.cols) := NULL , with = F] }

.SD akan memungkinkan untuk membatasi verifikasi menjadi bagian dari tabel, jika Anda mau, tetapi akan menjadikan seluruh tabel sebagai

Pilihan praktis base Rbisa berupa colMeans():

df[, colMeans(is.na(df)) != 1]

Anda dapat menggunakan paket Petugas Kebersihan remove_empty

library(janitor)

df %>%
  remove_empty(c("rows", "cols")) #select either row or cols or both

Juga, pendekatan dplyr lain

 library(dplyr) 
 df %>% select_if(~all(!is.na(.)))

ATAU

df %>% select_if(colSums(!is.na(.)) == nrow(df))

ini juga berguna jika Anda hanya ingin mengecualikan / menyimpan kolom dengan sejumlah nilai yang hilang misalnya

 df %>% select_if(colSums(!is.na(.))>500)