有三種方法 !is.na , na.omit, complete.cases
創新互聯建站是一家專注于成都網站建設、網站設計與策劃設計,巨野網站建設哪家好?創新互聯建站做網站,專注于網站建設10余年,網設計領域的專業建站公司;建站業務涵蓋:巨野等地區。巨野做網站價格咨詢:028-86922220
> d <- read.table("GWAS_s2.qassoc", header=T, stringsAsFactors=F) // 文件行數 > nrow(d) [1] 431493 > d1 <- subset(d, select=c("CHR", "SNP", "BP", "P")) // 計算非NA 的行數 > 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, 一個是根據第四列是否為NA判斷的, 一個是根據所有列。
分享文章:R語言移除缺失值NA
本文URL:http://vcdvsql.cn/article16/peicgg.html
成都網站建設公司_創新互聯,為您提供網站改版、建站公司、移動網站建設、關鍵詞優化、微信公眾號、標簽優化
聲明:本網站發布的內容(圖片、視頻和文字)以用戶投稿、用戶轉載內容為主,如果涉及侵權請盡快告知,我們將會在第一時間刪除。文章觀點不代表本網站立場,如需處理請聯系客服。電話:028-86922220;郵箱:631063699@qq.com。內容未經允許不得轉載,或轉載時需注明來源: 創新互聯