在 data.table 的一行中计算 NA答案

【问题标题】：Counting the NA's in a part of a row in data.table在 data.table 的一行中计算 NA
【发布时间】：2019-03-01 23:48:24
【问题描述】：

我有一个数据集df，其结构类似于以下示例：

nr countrycode questionA questionB questionC WeightquestionA WeightquestionB WeightquestionC
1  NLD               2         1         4         0.6             0.2             0.2
2  NLD               NA        4         NA        0.4             0.4             0.2
3  NLD               4         4         1         0.2             0.2             0.6
4  BLG               1         NA        1         0.1             0.5             0.4
5  BLG               5         3         5         0.2             0.2             0.6

问题 A、B 和 C 与相似的主题相关，因此我想为所有问题创建一个平均分数，同时考虑到每个问题的重要性 (WeightquestionA WeightquestionB WeightquestionC)。

目前我已经手动计算了平均分数。

(questionA*WeightquestionA) + (questionB*WeightquestionB) + (questionC*WeightquestionC)

如果不是 NA 的，这将不是一个不可克服的问题（为此：不，它们不能被删除）。因此，我想自动化这个过程。

我目前正在考虑使用sum(!is.na()) 来计算每一行（1 到 5）的每个问题（A、B、C）中的非 NA，并将该值放入一个新列中。

但是，使用 data.table 时，我总是无法正确使用语法。我相信它应该是这样的：

df[, NonNA:=sum(!is.na(questionA + questionB + questionC))]

但这会汇总列中的所有 NA，而不是每一行。我应该如何编写每行计算的语法？

我想按名称分别引用列，因为它们在实际 df 中并不相邻。

期望的输出：

nr countrycode qA qB qC WeightquestionA WeightquestionB WeightquestionC NonNA
1  NLD         2  1  4         0.6             0.2             0.2      3
2  NLD         NA 4  NA        0.4             0.4             0.2      1
3  NLD         4  4  1         0.2             0.2             0.6      3
4  BLG         1  NA 1         0.1             0.5             0.4      2
5  BLG         5  3  5         0.2             0.2             0.6      3

【问题讨论】：

相关：R: data.table count !NA per row。使用.SDcols 选择相关列。

标签： r sum data.table na

【解决方案1】：

我们可以使用apply 计算非NA（对于列questionA、questionB 和questionC 即列号3 到5）如下：

df$nonNA=apply(df[,3:5], 1, function(x) length(which(!is.na(x))))

或（来自 snoarm 的建议）

df$nonNA=apply(df[,3:5], 1, function(x) sum(!is.na(x)))

示例输出：

   questionA questionB questionC nonNA
1         2         1         4     3
2        NA         4        NA     1
3         4         4         1     3
4         1        NA         1     2
5         5         3         5     3

【讨论】：

可以缩短为：apply(df[,3:5], 1, function(x) sum(!is.na(x)))
@snoram：感谢您的建议。我也采纳了你的建议:)
@snoram 或：rowSums(!is.na(df[,3:5]))

【解决方案2】：

使用data.table，您可以这样做：

df[, NonNA := sum(!is.na(questionA), !is.na(questionB), !is.na(questionC)), by = .(nr)]

基本解决方案：

df$nonNA <- rowSums(!is.na(df[,c("questionA", "questionB", "questionC")]))

【讨论】：

非常感谢！我选择简单、接近我自己的方法并提供基本解决方案。

【解决方案3】：

snoram 推荐的另一种选择：

df[, NonNA := rowSums(!is.na(.SD)), 
    .SDcols=paste0("question", LETTERS[1:3])]

还有：

df[, NonNA := Reduce(function(x, y) x + !is.na(y), .SD, init=rep(0L, .N)), 
    .SDcols=paste0("question", LETTERS[1:3])]

【讨论】：

你可以去掉 as.matrix()