合并列以删除 NA答案

【问题标题】：Combine column to remove NA's合并列以删除 NA
【发布时间】：2013-01-11 21:06:56
【问题描述】：

我在 R 中有一些列，对于每一行，其中一个只会有一个值，其余的将是 NA。我想将这些与非 NA 值组合成一列。有谁知道这样做的简单方法。例如我可以有如下：

data <- data.frame('a' = c('A','B','C','D','E'),
                   'x' = c(1,2,NA,NA,NA),
                   'y' = c(NA,NA,3,NA,NA),
                   'z' = c(NA,NA,NA,4,5))

所以我会的

'a' 'x' 'y' 'z'  
 A   1   NA  NA  
 B   2   NA  NA  
 C  NA   3   NA  
 D  NA   NA  4  
 E  NA   NA  5

我想得到

 'a' 'mycol'  
  A   1  
  B   2  
  C   3  
  D   4  
  E   5

包含 NA 的列的名称会根据查询中前面的代码而变化，因此我将无法显式调用列名，但我将包含 NA 的列的列名存储为向量，例如在此示例中为 cols <- c('x','y','z')，因此可以使用 data[, cols] 调用列。

任何帮助将不胜感激。

谢谢

【问题讨论】：

标签： r merge na

【解决方案1】：

基于dplyr::coalesce 的解决方案可能是：

data %>% mutate(mycol = coalesce(x,y,z)) %>%
         select(a, mycol)
#   a mycol
# 1 A     1
# 2 B     2
# 3 C     3
# 4 D     4
# 5 E     5

数据

data <- data.frame('a' = c('A','B','C','D','E'),
                 'x' = c(1,2,NA,NA,NA),
                 'y' = c(NA,NA,3,NA,NA),
                 'z' = c(NA,NA,NA,4,5))

【讨论】：

【解决方案2】：

您可以使用unlist 将列转换为一个向量。之后，可以使用na.omit 删除NAs。

cbind(data[1], mycol = na.omit(unlist(data[-1])))

   a mycol
x1 A     1
x2 B     2
y3 C     3
z4 D     4
z5 E     5

【讨论】：

此解决方案仅适用于根据可用数据对列进行排序的情况。第一列未与其他数据集的正确值配对，例如：data <- data.frame('a' = c('A','B','C','D','E'),'x' = c(NA,NA,3,NA,NA),'y' = c(1,2,NA,NA,NA),'z' = c(NA,NA,NA,4,5))
这应该处理@julia提出的问题：cbind.data.frame(data[1], mycol=c(na.omit(c(t(data[, -1])))))
我在 stackoverflow.com/questions/40878660/… 处添加了此问题的特定扩展作为新帖子。

【解决方案3】：

这是一个更通用（但更简单）的解决方案，它扩展到具有无序 NA 的所有列类型（因子、字符等）。该策略只是使用is.na 将其他列的非 NA 值合并到您的合并列中进行索引：

data$m = data$x  # your new merged column start with x
data$m[!is.na(data$y)] = data$y[!is.na(data$y)]  # merge with y
data$m[!is.na(data$z)] = data$z[!is.na(data$z)]  # merge with z

> data
  a  x  y  z m
1 A  1 NA NA 1
2 B  2 NA NA 2
3 C NA  3 NA 3
4 D NA NA  4 4
5 E NA NA  5 5

请注意，如果同一行中有多个非 NA 值，这将覆盖 m 中的现有值。如果您有很多列，您可以通过循环 colnames(data) 来自动执行此操作。

【讨论】：

【解决方案4】：

我会将rowSums() 与na.rm = TRUE 参数一起使用：

cbind.data.frame(a=data$a, mycol = rowSums(data[, -1], na.rm = TRUE))

给出：

> cbind.data.frame(a=data$a, mycol = rowSums(data[, -1], na.rm = TRUE))
  a mycol
1 A     1
2 B     2
3 C     3
4 D     4
5 E     5

您必须直接调用该方法 (cbind.data.frame)，因为上面的第一个参数不是数据框。

【讨论】：

很好的解决方案。但是字符数据呢？
由于 OP 的示例不包含字符数据（标识符列除外），我没有考虑到这一点；这里的其他选项可以解决这个问题，但要付出代价；例如，取消列出具有许多行和列的数据框会很慢。如果您有非数字数据，请使用另一个选项，但如果您没有，这是一个非常简单且相对快速的解决方案。

【解决方案5】：

这样的？

data.frame(a=data$a, mycol=apply(data[,-1],1,sum,na.rm=TRUE))

给：

【讨论】：

是的，您是对的，感谢您指出这一点！我不会编辑我的帖子，因为它会与 Gavin Simpson 的帖子重复。
感谢 juba，如果列始终是数字，就像在我的示例中一样，但实际上列有时是字符，所以我使用了 Sven 的上述答案。

【解决方案6】：

max 也可以。也适用于字符串向量。

cbind(data[1], mycol=apply(data[-1], 1, max, na.rm=T))

【讨论】：

【解决方案7】：

在相关链接 (suppress NAs in paste()) 中，我展示了带有 na.rm 选项的 paste 版本（不幸的名称为 paste5）。

这样代码就变成了

cols <- c("x", "y", "z")
cbind.data.frame(a = data$a, mycol = paste2(data[, cols], na.rm = TRUE))

paste5 的输出是一个字符，如果你有字符数据，它就可以工作，否则你需要强制转换为你想要的类型。

【讨论】：

【解决方案8】：

虽然这不是 OP 的情况，但似乎有些人喜欢基于总和的方法，以均值和模式思考如何，以使答案更具普遍性。这个答案与标题相符，这是很多人会发现的。

data <- data.frame('a' = c('A','B','C','D','E'),
                   'x' = c(1,2,NA,NA,9),
                   'y' = c(NA,6,3,NA,5),
                   'z' = c(NA,NA,NA,4,5))

splitdf<-split(data[,c(2:4)], seq(nrow(data[,c(2:4)])))

data$mean<-unlist(lapply(splitdf, function(x)  mean(unlist(x), na.rm=T) ) )
data$mode<-unlist(lapply(splitdf, function(x)  {
  tab <- tabulate(match(x, na.omit(unique(unlist(x) )))); 
                  paste(na.omit(unique(unlist(x) ))[tab == max(tab) ], collapse = ", " )}) )

data
  a  x  y  z     mean mode
1 A  1 NA NA 1.000000    1
2 B  2  6 NA 4.000000 2, 6
3 C NA  3 NA 3.000000    3
4 D NA NA  4 4.000000    4
5 E  9  5  5 6.333333    5

【讨论】：

【解决方案9】：

使用dplyr 和tidyr 的一种可能性是：

data %>%
 gather(variables, mycol, -1, na.rm = TRUE) %>%
 select(-variables)

   a mycol
1  A     1
2  B     2
8  C     3
14 D     4
15 E     5

在这里它将数据从宽格式转换为长格式，从该操作中排除第一列并删除 NA。

【讨论】：

【解决方案10】：

如果你想坚持基地，

data <- data.frame('a' = c('A','B','C','D','E'),'x' = c(1,2,NA,NA,NA),'y' = c(NA,NA,3,NA,NA),'z' = c(NA,NA,NA,4,5))
data[is.na(data)]<-","
data$mycol<-paste0(data$x,data$y,data$z)
data$mycol <- gsub(',','',data$mycol)

【讨论】：