Eliminar valores de NA de un vector

Tengo un vector enorme que tiene un par de NAvalores, y estoy tratando de encontrar el valor máximo en ese vector (el vector son todos los números), pero no puedo hacer esto debido a los NAvalores.

¿Cómo puedo eliminar los NAvalores para poder calcular el máximo?

Al intentarlo ?max, verá que en realidad tiene un na.rm =argumento, establecido de forma predeterminada en FALSE. (Ese es el defecto común para muchas otras funciones, incluyendo R sum(), mean(), etc.)

La configuración na.rm=TRUEhace justo lo que estás pidiendo:

d <- c(1, 100, NA, 10)
max(d, na.rm=TRUE)

Si quieres eliminar todos los NAs, usa este modismo en su lugar:

d <- d[!is.na(d)]

Una nota final: Otras funciones (p table(). Ej . lm(), Y sort()) tienen NAargumentos relacionados que usan nombres diferentes (y ofrecen diferentes opciones). Entonces, si le NAcausa problemas en una llamada de función, vale la pena buscar una solución integrada entre los argumentos de la función. He descubierto que generalmente ya hay uno allí.

La na.omitfunción es lo que muchas de las rutinas de regresión usan internamente:

vec <- 1:1000
vec[runif(200, 1, 1000)] <- NA
max(vec)
#[1] NA
max( na.omit(vec) )
#[1] 1000

?maxle muestra que hay un parámetro adicional na.rmque puede configurar TRUE.

Aparte de eso, si realmente quieres eliminar el NAs, solo usa algo como:

myvec[!is.na(myvec)]

Puede llamar max(vector, na.rm = TRUE). De manera más general, puede usar la na.omit()función.

En caso de que alguien nuevo en R quiera una respuesta simplificada a la pregunta original

¿Cómo puedo eliminar los valores de NA de un vector?

Aquí está:

Suponga que tiene un vector de la foosiguiente manera:

foo = c(1:10, NA, 20:30)

correr length(foo)da 22.

nona_foo = foo[!is.na(foo)]

length(nona_foo) es 21, porque los valores de NA se han eliminado.

Recuerde que is.na(foo)devuelve una matriz booleana, por lo que indexar foocon el opuesto de este valor le dará todos los elementos que no son NA.

Uso discardde purrr (funciona con listas y vectores).

discard(v, is.na) 

El beneficio es que es fácil usar tuberías; alternativamente, use la función de subconjunto incorporada [:

v %>% discard(is.na)
v %>% `[`(!is.na(.))

Tenga en cuenta que na.omitno funciona en las listas:

> x <- list(a=1, b=2, c=NA)
> na.omit(x)
$a
[1] 1

$b
[1] 2

$c
[1] NA

Ejecuté un punto de referencia rápido comparando los dos baseenfoques y resulta que x[!is.na(x)]es más rápido que na.omit. El usuario qwrsugirió que lo intentara purrr::dicardtambién: resultó ser mucho más lento (¡aunque felizmente tomaré comentarios sobre mi implementación y prueba!)

microbenchmark::microbenchmark(
  purrr::map(airquality,function(x) {x[!is.na(x)]}), 
  purrr::map(airquality,na.omit),
  purrr::map(airquality, ~purrr::discard(.x, .p = is.na)),
  times = 1e6)

Unit: microseconds
                                                     expr    min     lq      mean median      uq       max neval cld
 purrr::map(airquality, function(x) {     x[!is.na(x)] })   66.8   75.9  130.5643   86.2  131.80  541125.5 1e+06 a  
                          purrr::map(airquality, na.omit)   95.7  107.4  185.5108  129.3  190.50  534795.5 1e+06  b 
  purrr::map(airquality, ~purrr::discard(.x, .p = is.na)) 3391.7 3648.6 5615.8965 4079.7 6486.45 1121975.4 1e+06   c

Como referencia, aquí está la prueba original de x[!is.na(x)]vs na.omit:

microbenchmark::microbenchmark(
    purrr::map(airquality,function(x) {x[!is.na(x)]}), 
    purrr::map(airquality,na.omit), 
    times = 1000000)


Unit: microseconds
                                              expr  min   lq      mean median    uq      max neval cld
 map(airquality, function(x) {     x[!is.na(x)] }) 53.0 56.6  86.48231   58.1  64.8 414195.2 1e+06  a 
                          map(airquality, na.omit) 85.3 90.4 134.49964   92.5 104.9 348352.8 1e+06   b