在逐行操作中处理缺失数据答案

【问题标题】：Deal with missing data in row-wise manipulation在逐行操作中处理缺失数据
【发布时间】：2022-06-10 17:38:51
【问题描述】：

ID <- 1:6
math <- c("YES","NO","YES","NO",NA,NA)
history <- c(NA,NA,"NO","NO","YES",NA)

dt <- data.frame(ID, math, history)

  ID math history
1  1  YES    <NA>
2  2   NO    <NA>
3  3  YES      NO
4  4   NO      NO
5  5 <NA>     YES
6  6 <NA>    <NA>

我想做一个额外的列（“通过”）如下

如果学生至少有一次“是”：“是” （不管其他主体是否缺少数据。）
如果学生没有得到“是”
- 如果两个受试者都缺少数据：NA
- 如果主题之一是“否”：“否”

所以，列会是这样的：（我可以使用这个最小的示例手动执行此操作。但不是我的真实数据）

> dt
  ID math history pass
1  1  YES    <NA>  YES
2  2   NO    <NA>   NO
3  3  YES      NO  YES
4  4   NO      NO   NO
5  5 <NA>     YES  YES
6  6 <NA>    <NA> <NA>

我尝试使用

dt$pass <- ifelse(rowSums(dt[,-1]=="YES",na.rm=T)>0,"YES","NO")

这段代码，但它很棘手因为如果我输入na.rm=TRUE，他们认为 NA 是“否” （ID 6 学生将是“否”）

如果我输入na.rm=FALSE，则只考虑同时拥有两个学科数据的学生。

在我的数据中，我有很多列，不仅是数学和历史。

【问题讨论】：

标签： r row rowsum rowwise

【解决方案1】：

library(tidyverse)

ID <- 1:6
math <- c("YES", "NO", "YES", "NO", NA, NA)
history <- c(NA, NA, "NO", "NO", "YES", NA)

dt <- data.frame(ID, math, history)

dt |> 
  rowwise() |> 
  mutate(pass = case_when(
    sum(c_across(-ID) == "YES", na.rm = TRUE) >= 1 ~ "YES",
    sum(c_across(-ID) == "NO", na.rm = TRUE) >= 1  ~ "No",
    TRUE                                           ~ NA_character_
  ))
#> # A tibble: 6 × 4
#> # Rowwise: 
#>      ID math  history pass 
#>   <int> <chr> <chr>   <chr>
#> 1     1 YES   <NA>    YES  
#> 2     2 NO    <NA>    No   
#> 3     3 YES   NO      YES  
#> 4     4 NO    NO      No   
#> 5     5 <NA>  YES     YES  
#> 6     6 <NA>  <NA>    <NA>

^{由reprex package (v2.0.1) 于 2022-06-10 创建}

【讨论】：

【解决方案2】：

似乎顺序很重要：

dt$pass <- NA
dt$pass[dt$math == "NO" | dt$history=="NO"] <- "NO"
dt$pass[dt$math == "YES" | dt$history=="YES"] <- "YES"

> dt
  ID math history pass
1  1  YES    <NA>  YES
2  2   NO    <NA>   NO
3  3  YES      NO  YES
4  4   NO      NO   NO
5  5 <NA>     YES  YES
6  6 <NA>    <NA> <NA>

【讨论】：

如果超过2个科目，需要写一堆行来识别通过与否。
是的，我的回答是在编辑之前。我同意@Carl 的回答更具概括性。

【解决方案3】：

试试这个

library(dplyr)
dt %>% mutate(pass = case_when(math == "YES" | history == "YES" ~ "YES" ,
 is.na(math) & is.na(history) ~ NA_character_ ,
 TRUE ~ "NO"))

【讨论】：

如果超过2个科目，需要写一堆行来识别通过与否。

【解决方案4】：

一个 tidyverse 解决方案，在主题的数量（和名称）方面是稳健的：

library(tidyverse)

dt %>% 
  mutate(
    pass=dt %>% 
           pivot_longer(-ID) %>% 
           group_by(ID) %>% 
           summarise(
             anyYes=sum(value == "YES", na.rm=T), 
             anyNo=sum(value == "NO", na.rm=T)
           ) %>% 
           mutate(
             pass=ifelse(
                    anyYes >= 1, 
                    "YES", 
                    ifelse(anyNo >= 1, "NO", NA)
                   )
           ) %>% 
           pull(pass)
  )
  ID math history pass
1  1  YES    <NA>  YES
2  2   NO    <NA>   NO
3  3  YES      NO  YES
4  4   NO      NO   NO
5  5 <NA>     YES  YES
6  6 <NA>    <NA> <NA>

关键是pivoting转长格式。

【讨论】：

【解决方案5】：

一个简单的base 解决方案是

dt$pass <- apply(dt[-1], 1, \(x) sort(x, dec = TRUE)[1])

# > dt
#   ID math history pass
# 1  1  YES    <NA>  YES
# 2  2   NO    <NA>   NO
# 3  3  YES      NO  YES
# 4  4   NO      NO   NO
# 5  5 <NA>     YES  YES
# 6  6 <NA>    <NA> <NA>

它的dplyr 等效项是

library(dplyr)

dt %>%
  rowwise() %>%
  mutate(pass = sort(c_across(-1), dec = TRUE)[1]) %>%
  ungroup()

【讨论】：