时间戳

首页 > 解决方案 > 从具有重复值的数据框中删除列

r - 从具有重复值的数据框中删除列

问题描述

我有以下包含字符和数字的数据框，以及 NA：

df <- data.frame(a=c("notfound","NOT FOUND","NOT FOUND"), b=c(NA,"NOT FOUND","NOT FOUND"), c=c("not found",2,3), d=c("not   found","NOT FOUND","NOT FOUND"), e=c("234","NOT FOUND",NA))

          a         b         c           d         e
1  notfound      <NA> not found not   found       234
2 NOT FOUND NOT FOUND         2   NOT FOUND NOT FOUND
3 NOT FOUND NOT FOUND         3   NOT FOUND      <NA>

我想删除所有条目为“未找到”、“未找到”、“未找到”“未找到”的所有列。基本上如果tolower(gsub(" ","",df)=="notfound"). 似乎此操作不适用于数据帧。有没有其他选择？

所需的输出将是：

         d            e
1    not found          234
2            2    NOT FOUND
3            3         <NA>

标签： rstringdataframe

解决方案

您可以使用grepl正则表达式来搜索与该表达式匹配的字符串，并仅保留某些元素不显示匹配的列（由FALSE grepl输出指示），以便该列的匹配数小于nrow(df). 此模式匹配以“not”开头并以“found”结尾的字符串，并grepl设置为不区分大小写。

is_nf <- 
  sapply(df, grepl, pattern = '(?=^not).*found$', 
         perl = TRUE, ignore.case = TRUE)


df[colSums(is_nf) < nrow(df)]
#           b         c         e
# 1      <NA> not found       234
# 2 NOT FOUND         2 NOT FOUND
# 3 NOT FOUND         3      <NA>

我猜您还想删除唯一非“未找到”为 NA 的列。

is_na <- is.na(df)

df[colSums(is_nf | is_na) < nrow(df)]
#           c         e
# 1 not found       234
# 2         2 NOT FOUND
# 3         3      <NA>

推荐阅读