tenho uma base de dados que possui alguns missings (NA's), mas em apenas uma variável (uma coluna), e preciso retirar a linha inteira que tem o missing.
5 Respostas
Para remover linhas sem dados em R, você deve a usar a função complete.cases().
Pro exemplo em um dataset {x}:
y <- x[complete.cases(x),]
str(y)
O complete.cases(x) é um vetor lógico que vai retornar TRUE para as linhas com dados e FALSE para linhas sem dados.
-
-
-
-
@WagnerJorge Se os seus dados fore NA o
complete.cases
deveria funcionar. Se não deu certo, adicione o resultado dedput(dados)
à pergunta, talvez sejam strings vazias ou algo do tipo.– MolxCommented 18/09/2015 às 17:46
Considere o seguinte banco de dados:
> dados <- data.frame(
+ var1 = c(NA, 1),
+ var2 = c(1, NA)
+ )
>
> dados
var1 var2
1 NA 1
2 1 NA
Você pode excluir todas as linhas que possuem pelo menos um missing usando o na.omit
:
> na.omit(dados)
[1] var1 var2
<0 linhas> (ou row.names de comprimento 0)
Ou excluir todas as linhas que possuem missing (NA) em alguma variável:
> dados[!is.na(dados$var1),]
var1 var2
2 1 NA
> dados[!is.na(dados$var2),]
var1 var2
1 NA 1
Para verificar se um elemento do vetor é NA
no R, usamos a função is.na
:
> is.na(NA)
[1] TRUE
> is.na(1)
[1] FALSE
Para de fato remover os casos missings do data.frame, você precisa sobre-escrever:
dados <- na.omit(dados)
Você também pode usar a função filter
do dplyr
:
Criando dados de exemplo (tomando como base os dados do Daniel):
dados <- data.frame(var1 = c(NA, 1, 3), var2 = c(1, NA, 3))
Carregando o dplyr
:
library(dplyr)
Remove NA
s apenas da coluna var1
dados %>% filter(!is.na(var1))
Remove NA
s apenas da coluna var2
dados %>% filter(!is.na(var2))
Para remover todos NA
s, use na.omit()
mesmo. Você pode encaixar na cadeia de piping facilmente:
# remove todos NAs
dados %>% na.omit
A função subset
resolve isso de forma direta e mais clara, na minha opinião.
Isso pode ser feito em conjunto com a função is.na
sendo aplicada a variável de interesse.
> data.frame(x=1:12, y=rnorm(12), z=c(TRUE, TRUE, NA))
x y z
1 1 1.02572367 TRUE
2 2 0.03988014 TRUE
3 3 -0.33269252 NA
4 4 0.05357787 TRUE
5 5 -0.05166907 TRUE
6 6 -0.68981171 NA
7 7 1.14728375 TRUE
8 8 -0.76820827 TRUE
9 9 -0.45425148 NA
10 10 -0.27369393 TRUE
11 11 -0.12687725 TRUE
12 12 -0.38773276 NA
> df <- data.frame(x=1:12, y=rnorm(12), z=c(TRUE, TRUE, NA))
> subset(df, !is.na(z))
x y z
1 1 -0.2223889 TRUE
2 2 -0.7398008 TRUE
4 4 -1.6382330 TRUE
5 5 1.2596270 TRUE
7 7 1.0555701 TRUE
8 8 -1.5904792 TRUE
10 10 -0.0942284 TRUE
11 11 -0.3278851 TRUE
E também é possível incluir mais regras no filtro.
> subset(df, !is.na(z) & x %% 2 == 0)
x y z
2 2 -0.7398008 TRUE
4 4 -1.6382330 TRUE
8 8 -1.5904792 TRUE
10 10 -0.0942284 TRUE
-
1A função
subset
não é recomendada para operações triviais como essa: This is a convenience function intended for use interactively. For programming it is better to use the standard subsetting functions like [, and in particular the non-standard evaluation of argument subset can have unanticipated consequences.. Seria mais simples fazerdf[!is.na(df$z),]
– MolxCommented 19/09/2015 às 2:22 -
2@Molx você tem um ponto, mas para mim legibilidade conta muito e o comando
subset
expressa melhor objetivo fim. Por esse motivo diversos pacotes novos do R específicos para manipulação de dados (dplyr, magrittr, ...) usam a non-standard evaluation. Commented 19/09/2015 às 22:29 -
1Achei essa questão no SO discutindo essa questão do
subset
stackoverflow.com/questions/9860090/… Commented 23/09/2015 às 16:39
Também pode-se usar a função drop_na
do tidyr
:
Dados:
df_1 <- data.frame(
x = c(NA, 1:4),
y = c(1:4, NA)
)
Códigos:
library(tidyr)
drop_na(df_1) # para remover NA de todo o banco de dados
# x y
#1 1 2
#2 2 3
#3 3 4
e
drop_na(df_1, x) # para remover NA apenas de `x`
# x y
#1 1 2
#2 2 3
#3 3 4
#4 4 NA