Microhimalaya 楼上方法简单， temp = is.na(data); row = lapply(temp, 1, any); line = lapply(temp, 2, any); res1 = data[-row,]; res2 = data[,-line]; res3 = data[-row,-line]
kamen 回复 第8楼 的 meilinvhai：应该根据具体问题分析吧。如果某一观测确实的变量比较多就删去，因为填充会有较大的误差；对于不能处理具有缺失值的如线性回归等要进行填充，可以用众数或者通过分析相关性相似性等填充；对于能处理具有确实值的像回归树等应该不用管也行吧。。。个人见解。。。
