<\/p>\n
U kunt de volgende methoden uit het dplyr-<\/a> pakket gebruiken om rijen met NA-waarden te verwijderen:<\/span><\/p>\n Methode 1: Verwijder rijen met NA-waarden in elke kolom<\/span><\/strong><\/p>\n Methode 2: Verwijder rijen met NA-waarden in bepaalde kolommen<\/span><\/strong><\/p>\n Methode 3: Verwijder rijen met NA-waarden in een specifieke kolom<\/span><\/strong><\/p>\n De volgende voorbeelden laten zien hoe u deze methoden in de praktijk kunt gebruiken met het volgende dataframe:<\/span><\/p>\n De volgende code laat zien hoe u rijen met NA-waarden in elke kolom van het dataframe kunt verwijderen:<\/span><\/p>\n De enige twee resterende rijen zijn de rijen zonder NA-waarden in welke kolom dan ook.<\/span><\/p>\n De volgende code laat zien hoe u rijen met NA-waarden in elke kolom van het dataframe kunt verwijderen:<\/span><\/p>\n De enige rijen die overblijven zijn de rijen zonder NA-waarden in de kolommen \u2018punten\u2019 of \u2018assisten\u2019.<\/span><\/p>\n De volgende code laat zien hoe u rijen met NA-waarden in een specifieke kolom van het dataframe verwijdert:<\/span><\/p>\n De enige rijen die overblijven zijn de rijen zonder NA-waarde in de kolom ‚punten‘.<\/span><\/p>\n In de volgende tutorials wordt uitgelegd hoe u andere veelvoorkomende bewerkingen kunt uitvoeren met dplyr:<\/span><\/p>\n dplyr: Hoe rijen te filteren die bepaalde strings bevatten<\/a> U kunt de volgende methoden uit het dplyr- pakket gebruiken om rijen met NA-waarden te verwijderen: Methode 1: Verwijder rijen met NA-waarden in elke kolom library (dplyr) #remove rows with NA value in any column df %>% n \/ A. omit () Methode 2: Verwijder rijen met NA-waarden in bepaalde kolommen library (dplyr) #remove rows […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"class_list":["post-2385","post","type-post","status-publish","format-standard","hentry","category-gids"],"yoast_head":"\n library<\/span> (dplyr)\n\n#remove rows with NA value in any column<\/span>\ndf %>%\n n \/ A. omit<\/span> ()\n<\/strong><\/pre>\n library<\/span> (dplyr)\n\n#remove rows with NA value in 'col1' or 'col2'<\/span>\ndf %>%\n filter_at(vars(col1, col2), all_vars( !<\/span> is. na<\/span> (.)))\n<\/strong><\/pre>\n library<\/span> (dplyr)\n\n#remove rows with NA value in 'col1'<\/span>\ndf %>%\n filter( !<\/span> is. na<\/span> (col1))<\/strong><\/pre>\n #create data frame with some missing values\ndf <- data. frame<\/span> (team=c('A', 'A', 'B', 'B', 'C'),\n points=c(99, 90, 86, 88, NA),\n assists=c(33, NA, 31, 39, 34),\n rebounds=c(NA, 28, 24, 24, 28))\n\n#view data frame\n<\/span>df\n\n team points assists rebounds\n1 A 99 33 NA\n2 A 90 NA 28\n3 B 86 31 24\n4 B 88 39 24\n5 C NA 34 28<\/span><\/span><\/strong><\/pre>\n Methode 1: Verwijder rijen met NA-waarden in elke kolom<\/span><\/strong><\/h3>\n
library<\/span> (dplyr)\n\n#remove rows with NA value in any column<\/span>\ndf %>%\n n \/ A. omit<\/span> ()\n\n team points assists rebounds\n3 B 86 31 24\n4 B 88 39 24\n<\/strong><\/pre>\n Methode 2: Verwijder rijen met NA-waarden in bepaalde kolommen<\/span><\/strong><\/h3>\n
library<\/span> (dplyr)\n\n#remove rows with NA value in 'points' or 'assists' columns<\/span>\ndf %>%\n filter_at(vars(points, assists), all_vars( !<\/span> is. na<\/span> (.)))\n\n team points assists rebounds\n1 A 99 33 NA\n2 B 86 31 24\n3 B 88 39 24\n<\/strong><\/pre>\n Methode 3: Verwijder rijen met NA-waarden in een specifieke kolom<\/span><\/strong><\/h3>\n
library<\/span> (dplyr)\n\n#remove rows with NA value in 'points' column<\/span>\ndf %>%\n filter( !<\/span> is. na<\/span> (dots))\n\n team points assists rebounds\n1 A 99 33 NA\n2 A 90 NA 28\n3 B 86 31 24\n4 B 88 39 24\n<\/strong><\/pre>\n Aanvullende bronnen<\/strong><\/span><\/h3>\n
dplyr: NA-waarden vervangen door nul<\/a>
dplyr: Hoe een \u201cniet inbegrepen\u201d filter te gebruiken<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"