从 R 中的 data.table 中删除带有 NA 的行

Question

我想删除 data.table 中任何列中包含 Inf 的所有行。到目前为止，我一直在使用这种方法：

DT <- data.table(col1 = c(1,2,3), col2 = c(4,Inf,5))
DT[,drop := apply(.SD, 1, function(x) any(is.infinite(x))), by = 1:nrow(DT)]
DT <- DT[(!drop)][,drop:=NULL]

来自this Whosebug question。但是，这种方法不能很好地扩展到大量数据。有没有更好的方法来删除带有 Inf 的行？

Answer 1

您可以使用 rowSums 来检查行中的任何元素是否不是有限的。

DT[is.finite(rowSums(DT))]

或者您可以使用 Inf * 0 是 NA 的事实并使用 complete.cases

DT[complete.cases(DT*0)]

一些基准测试表明 rowSums 对于较小的数据集是最快的，而 complete.cases 是对于较大数据集最快的解决方案。

require(microbenchmark)
microbenchmark(
  DT[is.finite(rowSums(DT))]
  ,
  DT[complete.cases(DT*0)]
  ,
  DT[DT[, Reduce('&', lapply(.SD, is.finite))]]
)
##
## nrow(DT) = 3000
## Unit: microseconds                                          
##                                          expr       min       lq      mean    median       uq      max neval cld
##                     DT[is.finite(rowSums(DT))]  786.797  839.235  864.0215  852.8465  884.756 1021.988   100 a  
##                     DT[complete.cases(DT * 0)] 1265.658 1326.575 1363.3985 1350.0055 1386.377 1898.040   100   c
##  DT[DT[, Reduce("&", lapply(.SD, is.finite))]] 1220.137 1275.030 1319.6226 1308.0555 1348.443 1624.023   100  b 
##
## nrow(DT) = 300000
## Unit: milliseconds
##                                           expr       min        lq      mean   median       uq      max neval cld
##                     DT[is.finite(rowSums(DT))] 21.617935 22.687452 26.698070 25.75765 26.07942 87.56290   100   c
##                     DT[complete.cases(DT * 0)]  7.209252  7.567393  9.908503 10.17569 10.37473 71.31375   100 a  
##  DT[DT[, Reduce("&", lapply(.SD, is.finite))]] 11.786773 12.647652 14.128624 14.78512 15.05089 15.39542   100  b

从 R 中的 data.table 中删除带有 NA 的行

Remove rows with NA from data.table in R

r

data.table