tidyverse - 根据每行 NA 的数量在嵌套列/列表中进行过滤

Question

尝试在此处扩展我自己的工作流程（从列）：[1] tidyverse - delete a column within a nested column/list 以在嵌套列/列表中进行过滤，我发现了这个潜在的解决方案：[2] Use filter() (and other dplyr functions) inside nested data frames with map()

我的问题是我想过滤那些不完全不适用的行的每个“嵌套”（即，我想保留任何至少具有一个非缺失值的行。

但是，[2] 中的简单解决方案对我不起作用，可能是因为我想过滤每行 NA 的总和，这可能涉及过滤器中的另一个映射函数。

（注意：我在 tidyverse 中使用 dplyr 的当前 github 版本，它提供了一些新的实验功能，例如 condense - 我在下面使用，但我认为这与我的问题/问题无关）。

我有以下数据：

数据：

library(tidyverse)
library(corrr)

dat <- data.frame(grp = rep(1:4, each = 25),
                  Q1 = sample(c(1:5, NA), 100, replace = TRUE),
                  Q2 = sample(c(1:5, NA), 100, replace = TRUE),
                  Q3 = sample(c(1:5, NA), 100, replace = TRUE),
                  Q4 = sample(c(1:5, NA), 100, replace = TRUE),
                  Q5 = sample(c(NA), 100, replace = TRUE),
                  Q6 = sample(c(1:5, NA), 100, replace = TRUE))

我现在计算每组 Q1 到 Q6 的相关性并删除 rowname 列。

cor_dat <- dat %>%
  group_by(grp) %>%
  condense(cor = correlate(cur_data()) %>%
         select(-rowname)) %>%
  ungroup()

但是将此行添加到我的管道不起作用：

cor_dat <- cor_dat %>%
  mutate(cor = map(cor, ~ filter(., sum(is.na(.)) != ncol(.))))

我也试过了，但这也不起作用：

cor_dat <- cor_dat %>%
      mutate(cor = map(cor, ~ filter(., !all(is.na(.)))))

我的数据中的预期结果是每个嵌套中的第五行被过滤掉。

Answer 1

这里，我们可以使用filter_all

library(dplyr)
library(purrr)
cor_dat <- cor_dat %>% 
               mutate(cor = map(cor, ~ .x %>% 
                              filter_all(any_vars(!is.na(.)))))
cor_dat
# A tibble: 4 x 2
#    grp cor             
#  <int> <list>          
#1     1 <tibble [5 × 6]>
#2     2 <tibble [5 × 6]>
#3     3 <tibble [5 × 6]>
#4     4 <tibble [5 × 6]>

cor_dat$cor[[1]]
# A tibble: 5 x 6
#       Q1      Q2      Q3      Q4    Q5      Q6
#    <dbl>   <dbl>   <dbl>   <dbl> <dbl>   <dbl>
#1 NA      -0.226   0.288  -0.0536    NA  0.581 
#2 -0.226  NA      -0.382   0.212     NA  0.0274
#3  0.288  -0.382  NA      -0.0772    NA -0.153 
#4 -0.0536  0.212  -0.0772 NA         NA  0.0831
#5  0.581   0.0274 -0.153   0.0831    NA NA     

---

或者如果我们需要使用filter，那么使用rowSums创建逻辑

cor_dat %>%
       mutate(cor = map(cor, ~ .x %>%
                                  filter(rowSums(is.na(.)) < ncol(.))))

数据

cor_dat <- dat %>%
   group_by(grp) %>%
   condense(cor = correlate(cur_data()) %>% 
                 select(-rowname)) %>% 
   ungroup