dplyrを使用してdata.frame内の完全なケースをフィルタリング（ケースごとの削除）

dplyrを使用して完全なケースのdata.frameをフィルタリングすることは可能ですか？complete.casesもちろん、すべての変数のリストが機能します。ただし、これは、a）変数が多数ある場合は冗長であり、b）変数名が不明な場合（たとえば、data.frameを処理する関数内）は不可能です。

library(dplyr)
df = data.frame(
    x1 = c(1,2,3,NA),
    x2 = c(1,2,NA,5)
)

df %.%
  filter(complete.cases(x1,x2))

これを試して：

df %>% na.omit

またはこれ：

df %>% filter(complete.cases(.))

またはこれ：

library(tidyr)
df %>% drop_na

1つの変数の欠落に基づいてフィルタリングする場合は、条件を使用します。

df %>% filter(!is.na(x1))

または

df %>% drop_na(x1)

他の回答は、上記のソリューションのna.omit方がはるかに遅いことを示していますが、na.action属性で省略された行の行インデックスを返すのに対し、上記の他のソリューションは返さないという事実とバランスを取る必要があります。

str(df %>% na.omit)
## 'data.frame':   2 obs. of  2 variables:
##  $ x1: num  1 2
##  $ x2: num  1 2
##  - attr(*, "na.action")= 'omit' Named int  3 4
##    ..- attr(*, "names")= chr  "3" "4"

追加されましたdplyrとコメントの最新バージョンを反映するように更新されました。

追加更新された最新バージョンのtidyrとコメントを反映しました。

これは私にとってはうまくいきます：

df %>%
  filter(complete.cases(df))    

またはもう少し一般的：

library(dplyr) # 0.4
df %>% filter(complete.cases(.))

これには、データをフィルターに渡す前にチェーンで変更できるという利点があります。

より多くの列を持つ別のベンチマーク：

set.seed(123)
x <- sample(1e5,1e5*26, replace = TRUE)
x[sample(seq_along(x), 1e3)] <- NA
df <- as.data.frame(matrix(x, ncol = 26))
library(microbenchmark)
microbenchmark(
  na.omit = {df %>% na.omit},
  filter.anonymous = {df %>% (function(x) filter(x, complete.cases(x)))},
  rowSums = {df %>% filter(rowSums(is.na(.)) == 0L)},
  filter = {df %>% filter(complete.cases(.))},
  times = 20L,
  unit = "relative")

#Unit: relative
#             expr       min        lq    median         uq       max neval
 #         na.omit 12.252048 11.248707 11.327005 11.0623422 12.823233    20
 #filter.anonymous  1.149305  1.022891  1.013779  0.9948659  4.668691    20
 #         rowSums  2.281002  2.377807  2.420615  2.3467519  5.223077    20
 #          filter  1.000000  1.000000  1.000000  1.0000000  1.000000    20

グロタンディークの回答のベンチマーク結果は次のとおりです。na.omit（）には、他の2つのソリューションの20倍の時間がかかります。おそらくフィルターの一部として、dplyrにこのための機能があればいいと思います。

library('rbenchmark')
library('dplyr')

n = 5e6
n.na = 100000
df = data.frame(
    x1 = sample(1:10, n, replace=TRUE),
    x2 = sample(1:10, n, replace=TRUE)
)
df$x1[sample(1:n, n.na)] = NA
df$x2[sample(1:n, n.na)] = NA


benchmark(
    df %>% filter(complete.cases(x1,x2)),
    df %>% na.omit(),
    df %>% (function(x) filter(x, complete.cases(x)))()
    , replications=50)

#                                                  test replications elapsed relative
# 3 df %.% (function(x) filter(x, complete.cases(x)))()           50   5.422    1.000
# 1               df %.% filter(complete.cases(x1, x2))           50   6.262    1.155
# 2                                    df %.% na.omit()           50 109.618   20.217

これは、dplyr::selectNA値を持たない列（基本的には理解できるすべてのもの）を指定できる短い関数です（pandas df.dropna（）をモデルとしています）：

drop_na <- function(data, ...){
    if (missing(...)){
        f = complete.cases(data)
    } else {
        f <- complete.cases(select_(data, .dots = lazyeval::lazy_dots(...)))
    }
    filter(data, f)
}

[ drop_naはtidyrの一部になりました：上記は次のように置き換えることができますlibrary("tidyr")]

例：

library("dplyr")
df <- data.frame(a=c(1,2,3,4,NA), b=c(NA,1,2,3,4), ac=c(1,2,NA,3,4))
df %>% drop_na(a,b)
df %>% drop_na(starts_with("a"))
df %>% drop_na() # drops all rows with NAs

これを試して

df[complete.cases(df),] #output to console

またはこれでも

df.complete <- df[complete.cases(df),] #assign to a new data.frame

上記のコマンドは、data.frame内のすべての列（変数）の完全性をチェックします。

完全を期すために、完全にdplyr::filter回避できますが、magrittr:extract（のエイリアス[）を使用するだけでチェーンを構成できます。

library(magrittr)
df = data.frame(
  x1 = c(1,2,3,NA),
  x2 = c(1,2,NA,5))

df %>%
  extract(complete.cases(.), )

追加のボーナスは速度です。これはfilterおよびna.omitバリアントの中で最速の方法です（@MihaTroštマイクロベンチマークを使用してテスト済み）。