如何在R语言中移除含40-50%空值的dataframe列？

基础R实现 #

你已经算出了各列的空值占比，接下来只需设定阈值、筛选符合要求的列即可：

1. 先将空值占比结果存入变量：

null_percent <- colMeans(is.na(application_data)) * 100

2. 设定空值占比阈值（示例设为50，可按需调整），筛选并保留占比低于阈值的列：

threshold <- 50
# 提取需要保留的列名
keep_cols <- names(null_percent)[null_percent < threshold]
# 生成清理后的数据集
cleaned_data <- application_data[, keep_cols]

dplyr/tidyverse 实现 #

如果习惯用tidyverse工具链，可用更简洁的链式操作：

library(dplyr)

cleaned_data <- application_data %>%
  select(where(~ mean(is.na(.x)) * 100 < 50))

where()函数会遍历每一列，计算该列空值占比，自动保留占比低于50%的列。

内容的提问来源于stack exchange，提问作者Saksham Sharma