检查多个 NA 列并在 R 中返回另一列答案

【问题标题】：Check for multiple NA columns and return another column in R检查多个 NA 列并在 R 中返回另一列
【发布时间】：2020-10-27 23:36:31
【问题描述】：

我有一个数据框，其中包含多个名为“avg_metric”、“wkday_avg_metric”、“event_avg_metric”和“ monthly_avg_metric”，其中“metric”由具有这些计算的多个指标（订单、收入等）组成。如果它们的行有 NA，我必须检查多列并将它们替换为另一列中的一行。为此，我创建了一个函数，它对我指定的“度量”列进行相同的验证。问题是我正在创建的整个新列得到相同的值，但情况并非如此。

我在下面添加了一个关于结果应该是什么的 example_fixed。

有没有更简单的方法呢？还是我在函数中缺乏一些逻辑？

Tks.

编辑：我的函数出现错误，但我确信有更好的解决方案。我尝试了您的解决方案，但无法将它们应用于我的数据框。我更新了 reprex，以便您可以更好地帮助我。

library(tidyverse)

(example <- tibble(country = c("A", "B", "C", "D"),
                   brand = c("A", "A", "B", "B"),
                   event = c(1:4),
                   month = c(1:4),
                   weekday = c(1:4),
                   avg_visits = c(5028, NA, NA, NA),
                   avg_revenue = c(12345, NA, NA, NA), 
                   wkday_avg_visits = c(1234, 4355, NA, NA),
                   wkday_avg_revenue = c(12345, 54321, NA, NA),
                   event_avg_visits = c(51271, 59212, 98773, NA),
                   event_avg_revenue = c(98764, 56435, 35634, NA),
                   monthly_avg_visits = c(5028, 5263, 6950, 8902),
                   monthly_avg_revenue = c(63457, 34536, 34574, 23426))) %>% 
  print(width = Inf)
#> # A tibble: 4 x 13
#>   country brand event month weekday avg_visits avg_revenue wkday_avg_visits
#>   <chr>   <chr> <int> <int>   <int>      <dbl>       <dbl>            <dbl>
#> 1 A       A         1     1       1       5028       12345             1234
#> 2 B       A         2     2       2         NA          NA             4355
#> 3 C       B         3     3       3         NA          NA               NA
#> 4 D       B         4     4       4         NA          NA               NA
#>   wkday_avg_revenue event_avg_visits event_avg_revenue monthly_avg_visits
#>               <dbl>            <dbl>             <dbl>              <dbl>
#> 1             12345            51271             98764               5028
#> 2             54321            59212             56435               5263
#> 3                NA            98773             35634               6950
#> 4                NA               NA                NA               8902
#>   monthly_avg_revenue
#>                 <dbl>
#> 1               63457
#> 2               34536
#> 3               34574
#> 4               23426

subs_metric <- function(data, metric) {
  
  avg <- paste0("avg_", metric)
  wkday_avg <- paste0("wkday_avg_", metric)
  event_avg <- paste0("event_avg_", metric)
  monthly_avg <- paste0("monthly_avg_", metric)
  
  for (i in nrow(data)) {
    
    value <- if (is.na(data[[avg]][i]) & is.na(data[[wkday_avg]][i]) & is.na(data[[event_avg]][i])) {
      data[[monthly_avg]][i]
    } else if (is.na(data[[avg]][i]) & is.na(data[[wkday_avg]][i])) {
      data[[event_avg]][i]
    } else if (is.na(data[[avg]][i])) {
      data[[wkday_avg]][i]
    } else {
      data[[avg]][i]
    }
    
    return(value) 
  }
}
  

example %>% 
  mutate(avg_visits_new = subs_metric(., "visits"),
         avg_revenue_new = subs_metric(., "revenue")) %>% 
  print(width = Inf)
#> # A tibble: 4 x 15
#>   country brand event month weekday avg_visits avg_revenue wkday_avg_visits
#>   <chr>   <chr> <int> <int>   <int>      <dbl>       <dbl>            <dbl>
#> 1 A       A         1     1       1       5028       12345             1234
#> 2 B       A         2     2       2         NA          NA             4355
#> 3 C       B         3     3       3         NA          NA               NA
#> 4 D       B         4     4       4         NA          NA               NA
#>   wkday_avg_revenue event_avg_visits event_avg_revenue monthly_avg_visits
#>               <dbl>            <dbl>             <dbl>              <dbl>
#> 1             12345            51271             98764               5028
#> 2             54321            59212             56435               5263
#> 3                NA            98773             35634               6950
#> 4                NA               NA                NA               8902
#>   monthly_avg_revenue avg_visits_new avg_revenue_new
#>                 <dbl>          <dbl>           <dbl>
#> 1               63457           8902           23426
#> 2               34536           8902           23426
#> 3               34574           8902           23426
#> 4               23426           8902           23426

(example_fixed <- tibble(country = c("A", "B", "C", "D"),
                         brand = c("A", "A", "B", "B"),
                         event = c(1:4),
                         month = c(1:4),
                         weekday = c(1:4),
                         avg_visits = c(5028, NA, NA, NA),
                         avg_revenue = c(12345, NA, NA, NA), 
                         wkday_avg_visits = c(1234, 4355, NA, NA),
                         wkday_avg_revenue = c(12345, 54321, NA, NA),
                         event_avg_visits = c(51271, 59212, 98773, NA),
                         event_avg_revenue = c(98764, 56435, 35634, NA),
                         monthly_avg_visits = c(5028, 5263, 6950, 8902),
                         monthly_avg_revenue = c(63457, 34536, 34574, 23426),
                         avg_visits_new = c(5028, 4355, 98773, 8902),
                         avg_revenue_new = c(12345, 54321, 35634, 23426))) %>% 
  print(width = Inf)
#> # A tibble: 4 x 15
#>   country brand event month weekday avg_visits avg_revenue wkday_avg_visits
#>   <chr>   <chr> <int> <int>   <int>      <dbl>       <dbl>            <dbl>
#> 1 A       A         1     1       1       5028       12345             1234
#> 2 B       A         2     2       2         NA          NA             4355
#> 3 C       B         3     3       3         NA          NA               NA
#> 4 D       B         4     4       4         NA          NA               NA
#>   wkday_avg_revenue event_avg_visits event_avg_revenue monthly_avg_visits
#>               <dbl>            <dbl>             <dbl>              <dbl>
#> 1             12345            51271             98764               5028
#> 2             54321            59212             56435               5263
#> 3                NA            98773             35634               6950
#> 4                NA               NA                NA               8902
#>   monthly_avg_revenue avg_visits_new avg_revenue_new
#>                 <dbl>          <dbl>           <dbl>
#> 1               63457           5028           12345
#> 2               34536           4355           54321
#> 3               34574          98773           35634
#> 4               23426           8902           23426

^{由reprex package (v0.3.0) 于 2020 年 7 月 7 日创建}

【问题讨论】：

标签： r if-statement multiple-columns multiple-conditions

【解决方案1】：

我们可以使用下面的

example$avg_visits_new <- apply(example,1,function(x) x[!is.na(x)][1])


# A tibble: 4 x 5
  avg_visits wkday_avg_visits event_avg_visits monthly_avg_visits avg_visits_new
       <dbl>            <dbl>            <dbl>              <dbl>          <dbl>
1       5028             1234            51271               5028           5028
2         NA             4355            59212               5263           4355
3         NA               NA            98773               6950          98773
4         NA               NA               NA               8902           8902

这只是逐行并使用它找到的第一个非NA 值

编辑： 这是一个循环，它将在所有指标上添加回收上述代码。

metric <- unique(sub(".*_(.*)","\\1",colnames(example)[-(1:5)]))

for(i in metric){
    example <- cbind(example, print(apply(example[,grepl(i,colnames(example))],1,function(x) x[!is.na(x)][1])))
}

colnames(example)[(ncol(example)-length(metric)+1):ncol(example)] <- paste0("avg_",metric,"_new")



> example

  country brand event month weekday avg_visits avg_revenue wkday_avg_visits wkday_avg_revenue event_avg_visits event_avg_revenue monthly_avg_visits monthly_avg_revenue avg_visits_new avg_revenue_new
1       A     A     1     1       1       5028       12345             1234             12345            51271             98764               5028               63457           5028           12345
2       B     A     2     2       2         NA          NA             4355             54321            59212             56435               5263               34536           4355           54321
3       C     B     3     3       3         NA          NA               NA                NA            98773             35634               6950               34574          98773           35634
4       D     B     4     4       4         NA          NA               NA                NA               NA                NA               8902               23426           8902           23426

【讨论】：

Daniel 问题中给出的示例的很好的解决方案，尽管我认为 OP 正在寻找一个可以根据 metric 后缀应用的函数，因为实际中有很多这样的列数据框
@AllanCameron，你可能是对的。如果 OP 看到了这一点，他们应该更新示例以代表实际的日期集。
这是一个很好的解决方案丹尼尔，tks！虽然我有很多指标（更准确地说是 9 个不同的指标）并且它们在数据框中有点混乱（就像我更新的示例一样）
我已更新我的答案以包含解决方案。仍在 Base-R 中

【解决方案2】：

有更好的方法可以做到这一点，例如，您可以将整个函数替换为：

subs_metric <- function(data, metric)
{
  data.table::fcoalesce(data[grep(metric, names(data)), ])
}

这给出了正确的结果：

example %>% 
  mutate(avg_visits_new = subs_metric(., "visits"))
#> # A tibble: 4 x 5
#>   avg_visits wkday_avg_visits event_avg_visits monthly_avg_visits avg_visits_new
#>        <dbl>            <dbl>            <dbl>              <dbl>          <dbl>
#> 1       5028             1234            51271               5028           5028
#> 2         NA             4355            59212               5263           4355
#> 3         NA               NA            98773               6950          98773
#> 4         NA               NA               NA               8902           8902

但是，我确定您想知道您的代码中的哪些缺陷导致循环按预期停止工作。

首先，您的循环以for (i in nrow(data)) 开头。由于您的数据框中有 4 行，这意味着 for (i in 4)。这意味着循环仅在 i 设置为 4 时运行一次。我认为您的意思是 for (i in 1:nrow(data))

其次，您将在循环中返回value inside。这意味着任何时候循环运行，它只会运行一次并且函数将返回value。我认为这只是一个放错位置的大括号。

第三，您在循环的每次迭代中覆盖value，您希望value 成为将形成新列的向量，因此您需要提前声明value 并写入@987654332 @ 循环的每次迭代。

结合这些变化，我们有：

subs_metric <- function(data, metric) {
  
  avg         <- paste0("avg_", metric)
  wkday_avg   <- paste0("wkday_avg_", metric)
  event_avg   <- paste0("event_avg_", metric)
  monthly_avg <- paste0("monthly_avg_", metric)
  value       <- numeric(nrow(data))
  
  for (i in 1:nrow(data)) {
    
      value[i] <- if (is.na(data[[avg]][i]) & 
                      is.na(data[[wkday_avg]][i]) & 
                      is.na(data[[event_avg]][i])) {
        data[[monthly_avg]][i]
      } else if (is.na(data[[avg]][i]) & 
                 is.na(data[[wkday_avg]][i])) {
        data[[event_avg]][i]
      } else if (is.na(data[[avg]][i])) {
        data[[wkday_avg]][i]
      } else {
        data[[avg]][i]
      }
  }
  return(value) 
}

现在给出正确的结果：

example %>% 
  mutate(avg_visits_new = subs_metric(., "visits"))
#> # A tibble: 4 x 5
#>   avg_visits wkday_avg_visits event_avg_visits monthly_avg_visits avg_visits_new
#>        <dbl>            <dbl>            <dbl>              <dbl>          <dbl>
#> 1       5028             1234            51271               5028           5028
#> 2         NA             4355            59212               5263           4355
#> 3         NA               NA            98773               6950          98773
#> 4         NA               NA               NA               8902           8902

但是，我可能会坚持使用提供的其他解决方案之一，因为它们比逐行循环更短且更有效。

【讨论】：

tks 用于调整我的功能。我更新了示例，以防有助于理解我的情况。我也尝试了你的方法，但它一直给我这个错误：错误：mutate（）输入avg_visits_new有问题。 x 输入 avg_visits_new 无法回收到大小 6048。 i 输入 avg_visits_new 是 test_fun(., "visits")。 i 输入 avg_visits_new 的大小必须为 6048 或 1，而不是 4