将两个具有 NA 值和因子的数据帧相加

Question

我正在尝试对两个包含 NA 值和因子变量的数据框求和。这些值应该逐个单元格地求和，仅适用于非因子变量，并忽略 NA。

例如，我正在处理的数据帧如下两个：

data1 <- data.frame(NAMES=c("name1", "name2", "name3"),
                X1=c(1, NA, 3),
                X2 = c(10, 11, 12))
data2 <- data.frame(NAMES=c("name1", "name2", "name3"),
                X1=c(4,NA,6),
                X2 = c(NA, 11, 12))

如果我使用函数sum (..., na.rm=TRUE)，我不会得到数据框。我期待使用运算符+ 返回的输出。也就是说，具有相同行数和列数的单个数据帧，但其中每个单元格是在添加数据帧的相同坐标中添加单元格的结果。但是，需要忽略 NA 和因素，例如：

  NAMES X1 X2
1    name1  5 10
2    name2 NA 22
3    name3  9 24

这可能吗？

Answer 1

Base R版本：

library(dplyr) # only for pipe operator
rbind(data1, data2) %>%
  split(.$NAMES) %>%
  lapply(function(x){
    data.frame(NAMES = unique(x$NAMES),as.list(colSums(x[,-1]))) 
  }) %>%
  do.call(rbind, .)

#       NAMES X1 X2
# name1 name1  5 NA
# name2 name2 NA 22
# name3 name3  9 24

请注意，NAMES 现在也显示为行名。这是因为split 输出了一个命名列表。您可以保留行名并删除NAMES = unique(x$NAMES)，或者在split 之后添加unname() 管道：

rbind(data1, data2) %>%
  split(.$NAMES) %>%
  lapply(function(x){
    data.frame(as.list(colSums(x[,-1]))) 
  }) %>%
  do.call(rbind, .)

#       X1 X2
# name1  5 NA
# name2 NA 22
# name3  9 24

rbind(data1, data2) %>%
  split(.$NAMES) %>%
  unname() %>%
  lapply(function(x){
    data.frame(NAMES = unique(x$NAMES),as.list(colSums(x[,-1]))) 
  }) %>%
  do.call(rbind, .)

#   NAMES X1 X2
# 1 name1  5 NA
# 2 name2 NA 22
# 3 name3  9 24

要将 NA 视为零，只需将 na.rm = TRUE 添加到 colSums：

rbind(data1, data2) %>%
  split(.$NAMES) %>%
  unname() %>%
  lapply(function(x){
    data.frame(NAMES = unique(x$NAMES),as.list(colSums(x[,-1], na.rm = TRUE))) 
  }) %>%
  do.call(rbind, .)

#   NAMES X1 X2
# 1 name1  5 10
# 2 name2  0 22
# 3 name3  9 24

dplyr + purrr 版本：

library(purrr)
library(dplyr)

list(data1, data2) %>%
  reduce(function(x, y) cbind(NAMES = x$NAMES, x[,-1] + y[-1]))

结果：

  NAMES X1 X2
1 name1  5 NA
2 name2 NA 22
3 name3  9 24

将 NA 视为零：

list(data1, data2) %>%
  map(function(x){
    modify_if(x, is.numeric, function(y) ifelse(is.na(y), 0, y))
  }) %>% 
  reduce(function(x, y) cbind(NAMES = x$NAMES, x[,-1] + y[-1]))

结果：

  NAMES X1 X2
1 name1  5 10
2 name2  0 22
3 name3  9 24

重要提示：

用零替换 NA 通常是个坏主意，因为它们的含义不同。 NA 可能意味着数据丢失，不一定为零，因此用零替换所有 NA 可能会使您的结果产生偏差。请仅在您确定数据上下文中 NA 的平均值为零时才这样做。

附加说明：

1. map 和modify_if 都来自purrr 包。 map 将函数应用于列表的每个元素并始终返回一个列表。 modify 的作用相同，只是它返回与输入相同的类型。
2. modify_if 仅“映射”满足条件的元素。
3. 在第一个管道中，我使用map 将list(data1, data2) 的每个元素与modify_if 函数“映射”在一起，而modify_if 仅将每个数字列的NA 替换为零。这样我就可以在下一个管道中使用 + 运算符，而不必担心 NA。
4. reduce 对 data1 和 data2 进行矩阵加法，然后将 cbinds 与来自 data1 的 NAMES 列一起添加。

Answer 2

另一种选择：

as.data.frame(
    mapply(function(x, y)
        if(is.numeric(x) && is.numeric(y))
            ifelse(is.na(y), x, x + y)
        else x,
        data1, data2, SIMPLIFY = FALSE))

输出：

  NAMES X1 X2
1 name1  5 10
2 name2 NA 22
3 name3  9 24

Answer 3

这是一个仅使用基础 R 的解决方案。

icol <- which(!(sapply(data1, is.factor) | sapply(data2, is.factor)))
result <- sapply(icol, function(i) rowSums(cbind(data1[i], data2[i]), na.rm = TRUE))
result <- cbind(data1[1], result)
is.na(result[icol]) <- is.na(data1[icol]) & is.na(data2[icol])
result
#  NAMES X1 X2
#1 name1  5 10
#2 name2 NA 22
#3 name3  9 24

Answer 4

这是使用data.table的解决方案。

require(data.table)

data1 <- data.table(NAMES = c("name1", "name2", "name3"),
                    X1 = c(1, NA, 3),
                    X2 = c(10, 11, 12))

data2 <- data.table(NAMES = c("name1", "name2", "name3"),
                    X1 = c(4, NA, 6),
                    X2 = c(NA, 11, 12))

dat <- rbind(data1, data2)
dat[, lapply(.SD, sum, na.rm = T), keyby = "NAMES", .SDcols = c("X1", "X2")]

请注意，结果与您在问题中显示的不完全相同。希望它仍然有用。

> dat[, lapply(.SD, sum, na.rm = T), keyby = "NAMES", .SDcols = c("X1", "X2")]
   NAMES X1 X2
1: name1  5 10
2: name2  0 22
3: name3  9 24