我在 R 中有一个数据框，它有 74 列。其中 60 列是因子，其余列包含连续数据。在作为因子的列中，其中一些包含 NULL 作为级别之一。我想删除所有可能包含 NULL 值的观察结果。每个观察都有一个 ID 列，其中包含一个唯一的标识号。我一直在使用以下代码片段：
x <- mydata[which(mydata$column2 == "NULL"), ]
mydata <- mydata[!mydata$ID %in% x$ID, ]
但是，当我以下列方式反复使用它时：
x <- mydata[which(mydata$column3 == "NULL"), ]
mydata <- mydata[!mydata$ID %in% x$ID, ]
我开始在我的数据框中获取 NA。我究竟做错了什么？感谢帮助。
您获得 NA 是因为您指的是不再位于mydata. 但是在任何情况下，您反复削减数据的想法都不是一个好主意，性能和代码清晰度都是明智的。试试这个：
mydata<-mydata[!apply(mydata,1,function(x) any(x=="NULL")),]
在这里，您检查哪些行至少包含一次 value "NULL"，然后删除这些行。
我可能会做这样的事情：
# identify the factor columns
factor.cols <- sapply(mydata, is.factor)
# for each row, count how many factor columns contain "NULL"
null.count <- rowSums(mydata[factor.cols]=="NULL")
# keep only those rows with no "NULL" factor values,
# along with rows where all factor values are NA
mydata[is.na(null.count) | null.count==0,]
（如果特定行在NA所有因子列中都有 s，则进行编辑以做正确的事情。）