使用fread导入数据后如何在R中筛选geo_coord字符列去除空值

解决方案 #

你已经用data.table导入了数据集，优先推荐用原生语法操作，性能远高于dplyr，尤其你导入的是百万行级数据：

情况1：空单元格读取后为NA #

直接用is.na()判断即可：

dt_filtered <- dt[!is.na(geo_coord)]

情况2：空单元格读取后为空字符串"" #

这是你之前用dplyr的filter未生效的最常见原因：大部分tsv文件的空单元格默认会被fread识别为空字符串，而非NA值，仅过滤NA当然没有效果：

dt_filtered <- dt[geo_coord != ""]

情况3：同时存在NA和空字符串 #

合并两个判断条件即可：

dt_filtered <- dt[!is.na(geo_coord) & geo_coord != ""]

如果你需要用dplyr语法操作 #

补充对应写法，同样要覆盖两种空值场景：

library(dplyr)
dt_filtered <- dt %>%
  filter(!is.na(geo_coord), geo_coord != "")

如果操作后仍不符合预期，可以先运行table(is.na(dt$geo_coord), dt$geo_coord == "", useNA = "ifany")查看该列空值的具体分布，再调整判断条件。

内容的提问来源于stack exchange，提问作者Ramon_88