Discussion :

[Ahenzegaga]

Bonjour,

J'ai ici un jeu de données très gros avec pas mal de colonnes ou j'ai très peu de données. Les valeurs négatives correspondent à "NA". En gros je voudrais supprimer toutes les colonnes où j'ai moins de 10% de réponses.

J'ai donc créé une boucle comme ci-après, mais ça ne semble pas fonctionner.

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
for(i in 1:ncol(d))
{if ((length(which(d[,i]<0)))< nrow(d)-nrow(d)*(1/100))
d<-d[,-i]
}

Quelqu'un sait-il quel est le problème ici?
Merci beaucoup!

[vchouraki]

Bonjour,

Sans regarder dans le détail, votre test semble faux, manque de parenthèses et vous avez oublié des crochets après le if.

De plus, au sein de la boucle, supprimer des colonnes du data.frame d et assigner le résultat à d va créer un décalage. Dans votre exemple, si d a 100 colonnes nommées de "var1" à "var100" et que dans votre boucle, vous supprimez la 80e colonne, vous supprimez la colonne nommée "var80" et vous vous retrouvez avec d qui a 99 colonnes. Si par la suite vous supprimez la 81e colonne, vous allez supprimer la colonne nommée "var82" et ainsi de suite.

Enfin, vous ne tirez pas parti du fait que R utilise des vecteurs. Par exemple, le code suivant répond à votre problème en prenant comme seuil 10% de données manquantes :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
## Création d'un jeu de données
test <- lapply(1:100, function(x)return(rnorm(100, mean=1.5, sd=1)))
test <- data.frame(test)
names(test)<-paste("var", 1:100, sep="")
 
## Recodage des valeurs négatives en données manquantes
is.na(test) <- test < 0
 
## Calcul de la proportion de valeurs manquantes
proportion.missing <- sapply(test, function(x) return((length(which(is.na(x))) / length(x))))
 
## Sélection des colonnes dont la proportion de valeurs manquantes est inférieure à 10%
resultat <- test[, which(proportion.missing < 0.1)]

HTH

Vincent

HTH

[Ahenzegaga]

D'accord merci beaucoup ça fonctionne ! J'avais identifié le problème du saut de variable dans ma boucle mais je n'avais pas trouvé de solution de remplacement.
Il faudra que je me penche plus sur les fonctions apply à l'avenir, elles doivent être très pratiques lorsqu'on les maîtrise.

Bonne journée!