私は、データフレームとのトラブルを抱えていると、本当にその問題を自分で解決できませんでした：データフレームは、任意の持っている列などのプロパティをし、各行は 1つのを表すデータセットを。

問題は、すべての行の値がNA である列を取り除く
方法です。

これを試して：

df <- df[,colSums(is.na(df))<nrow(df)]

これまでに提供された2つのアプローチは、（他のメモリの問題の中で）が作成する大きなデータセットで失敗しますis.na(df)。これは、と同じサイズのオブジェクトになりますdf。

より多くのメモリと時間効率の良い2つのアプローチを次に示します

を使用したアプローチ Filter

Filter(function(x)!all(is.na(x)), df)

およびdata.tableを使用したアプローチ（一般的な時間とメモリの効率のため）

library(data.table)
DT <- as.data.table(df)
DT[,which(unlist(lapply(DT, function(x)!all(is.na(x))))),with=F]

大きなデータを使用した例（30列、1e6行）

big_data <- replicate(10, data.frame(rep(NA, 1e6), sample(c(1:8,NA),1e6,T), sample(250,1e6,T)),simplify=F)
bd <- do.call(data.frame,big_data)
names(bd) <- paste0('X',seq_len(30))
DT <- as.data.table(bd)

system.time({df1 <- bd[,colSums(is.na(bd) < nrow(bd))]})
# error -- can't allocate vector of size ...
system.time({df2 <- bd[, !apply(is.na(bd), 2, all)]})
# error -- can't allocate vector of size ...
system.time({df3 <- Filter(function(x)!all(is.na(x)), bd)})
## user  system elapsed 
## 0.26    0.03    0.29 
system.time({DT1 <- DT[,which(unlist(lapply(DT, function(x)!all(is.na(x))))),with=F]})
## user  system elapsed 
## 0.14    0.03    0.18 

dplyr今持っているselect_ifここで役に立つかもしれ動詞：

library(dplyr)
temp <- data.frame(x = 1:5, y = c(1,2,NA,4, 5), z = rep(NA, 5))
not_all_na <- function(x) any(!is.na(x))
not_any_na <- function(x) all(!is.na(x))

> temp
  x  y  z
1 1  1 NA
2 2  2 NA
3 3 NA NA
4 4  4 NA
5 5  5 NA

> temp %>% select_if(not_all_na)
  x  y
1 1  1
2 2  2
3 3 NA
4 4  4
5 5  5

> temp %>% select_if(not_any_na)
  x
1 1
2 2
3 3
4 4
5 5

別の方法は、apply()関数を使用することです。

data.frameがある場合

df <- data.frame (var1 = c(1:7,NA),
                  var2 = c(1,2,1,3,4,NA,NA,9),
                  var3 = c(NA)
                  )

次に、を使用apply()して、どの列が条件を満たすかを確認できます。そのため、applyアプローチを使用するだけで、Musaの回答と同じサブセットを簡単に実行できます。

> !apply (is.na(df), 2, all)
 var1  var2  var3 
 TRUE  TRUE FALSE 

> df[, !apply(is.na(df), 2, all)]
  var1 var2
1    1    1
2    2    2
3    3    1
4    4    3
5    5    4
6    6   NA
7    7   NA
8   NA    9

ゲームに遅れますが、janitorパッケージを使用することもできます。この関数は、すべてNAである列を削除し、すべてNAである行を削除するように変更できます。

df <- janitor::remove_empty(df, which = "cols")

df[sapply(df, function(x) all(is.na(x)))] <- NULL

受け入れられた回答は、非数値列では機能しません。この答え、次のように異なるデータ型を含む列で動作します

Filter(function(x) !all(is.na(x)), df)

purrrパッケージの別のオプション：

library(dplyr)

df <- data.frame(a = NA,
                 b = seq(1:5), 
                 c = c(rep(1, 4), NA))

df %>% purrr::discard(~all(is.na(.)))
df %>% purrr::keep(~!all(is.na(.)))

これもお役に立てば幸いです。単一のコマンドにすることもできますが、2つのコマンドに分割すると読みやすくなります。以下の命令で関数を作って、電光石火で高速に動作しました。

naColsRemoval = function (DataTable) { na.cols = DataTable [ , .( which ( apply ( is.na ( .SD ) , 2 , all ) ) )] DataTable [ , unlist (na.cols) := NULL , with = F] }

.SDでは、必要に応じて検証をテーブルの一部に制限できますが、テーブル全体が次のようになります。

便利なbase RオプションはcolMeans()次のとおりです。

df[, colMeans(is.na(df)) != 1]

Janitorパッケージを使用できます remove_empty

library(janitor)

df %>%
  remove_empty(c("rows", "cols")) #select either row or cols or both

また、別のdplyrアプローチ

 library(dplyr) 
 df %>% select_if(~all(!is.na(.)))

または

df %>% select_if(colSums(!is.na(.)) == nrow(df))

これは、特定の数の欠損値を持つ列のみを除外/保持する場合にも役立ちます。例：

 df %>% select_if(colSums(!is.na(.))>500)