r - 删除有很多零的列

Question

我正在完善我的数据框以消除无用的变量。我做的第一步是使用以下命令删除具有超过一半行作为 NA 值的列：

limit <- nrow(mydata)/2
mydata <- mydata[, which(as.numeric(colSums(!is.na(mydata))) > limit)] 

我期待为零做同样的事情，但我找不到像“is.zero()”这样的函数，我该怎么做？

我期待做的另一件事是删除任何重复任何值超过“限制”次数的列（如果存在这样的命令，那将是理想的！）

非常感谢，

Answer 1

做就是了：

mydata <- mydata[, which(as.numeric(colSums(mydata != 0)) > limit)] 

至于删除重复任何值超过“限制”次数的列，您可以使用table、any和apply：

mydata <- mydata[, which(apply(mydata, 2, function(col) !any(table(col) > limit)))] 

最后，请注意这两种情况which都是可选的，而as.numeric在您的第一种情况下是不必要的。你可以简单地做：

mydata <- mydata[, colSums(mydata != 0) > limit] 

Answer 2

要查找非零，只需替换!is.na(mydata)为mydata != 0.

要获得最频繁元素的计数，您可以使用：

> mydata <- c(1,2,3,4,1,1,1,2,1,3)
> sort(table(mydata), decreasing=T)[[1]]
[1] 5

要查看重复次数最多的实际值：

> names(sort(table(mydata), decreasing=T)[1])
[1] "1"

如果您不关心保留该值，则可以使用max()代替sort()：

> max(table(mydata))
[1] 5