有三种方法 !is.na , na.omit, complete.cases
创新互联建站是一家专注于成都网站建设、网站设计与策划设计,巨野网站建设哪家好?创新互联建站做网站,专注于网站建设10余年,网设计领域的专业建站公司;建站业务涵盖:巨野等地区。巨野做网站价格咨询:028-86922220
> d <- read.table("GWAS_s2.qassoc", header=T, stringsAsFactors=F) // 文件行数 > nrow(d) [1] 431493 > d1 <- subset(d, select=c("CHR", "SNP", "BP", "P")) // 计算非NA 的行数 > num.bool <- complete.cases(d1) > head(num.bool) [1] FALSE TRUE TRUE FALSE TRUE TRUE > sum(num.bool) [1] 363836 > dn1 <- d1[which(!is.na(d1$P)),] > nrow(dn1) [1] 363836 > dn2 <- na.omit(d1) > nrow(dn2) [1] 363836 > dn3 <-d1[complete.cases(d1[,4]),] > nrow(dn3) [1] 363836 > dn4 <-d1[complete.cases(d1),] > nrow(dn4) [1] 363836
方法三和方法四, 一个是根据第四列是否为NA判断的, 一个是根据所有列。
分享文章:R语言移除缺失值NA
本文URL:https://www.cdcxhl.com/article16/peicgg.html
成都网站建设公司_创新互联,为您提供网站改版、建站公司、移动网站建设、关键词优化、微信公众号、标签优化
声明:本网站发布的内容(图片、视频和文字)以用户投稿、用户转载内容为主,如果涉及侵权请尽快告知,我们将会在第一时间删除。文章观点不代表本网站立场,如需处理请联系客服。电话:028-86922220;邮箱:631063699@qq.com。内容未经允许不得转载,或转载时需注明来源: 创新互联