删除带有 NA 的行

在数据分析中，往往需要处理大量的数据，并且由于种种原因（如数据采集不完全、系统错误等等），这些数据中可能包含缺失值（NA）。因此，在进行数据分析之前，需要对缺失值进行处理。

在 R 中，可以使用 read.table() 函数来读取数据，该函数常常被用来读取文本文件中的表格数据。下面是一个简单的例子：

mydata <- read.table("mydata.txt", header = TRUE)

其中，mydata.txt 是包含数据的文本文件，header = TRUE 表示文件中包含表头。读取完数据之后，我们可以使用 is.na() 函数来查找数据中的缺失值：

na_rows <- apply(mydata, 1, function(x) any(is.na(x)))

这个函数会返回一个逻辑向量，其中 na_rows[i] 表示第 i 行是否包含缺失值。如果要删除含有缺失值的行，可以使用如下代码：

mydata <- mydata[!na_rows, ]

其中，!na_rows 表示逆转逻辑向量，即将 TRUE 改成 FALSE，FALSE 改成 TRUE。因此，!na_rows[i] 表示第 i 行不包含缺失值。这样，我们就可以使用逻辑向量来选取不含缺失值的行，并将其赋值给 mydata。

但是，如果使用 read.table() 函数直接读取含有 NA 的数据，是否可以自动处理缺失值呢？答案是可以的。只需要指定 na.strings 参数即可：

mydata <- read.table("mydata.txt", header = TRUE, na.strings = c("NA", ""))

这里的 na.strings 参数是一个字符向量，用来指定哪些字符串表示缺失值。在这个参数中，我们指定了 NA 和空字符串 "" 都表示缺失值。读取完数据之后，就可以直接使用 is.na() 函数来查找数据中的缺失值。但是，如果数据中还包含其他形式的缺失值，则可能会出现问题。

总之，在进行数据分析时，处理缺失值是一个必不可少的步骤。在 R 中，可以使用 is.na() 函数和逻辑向量来选择不含缺失值的行。同时，在读取含有缺失值的数据时，可以使用 read.table() 函数的 na.strings 参数来自动处理缺失值。