【问题标题】:Merging two rows with some having missing values in R将两行与 R 中的一些缺失值合并
【发布时间】:2017-04-10 17:57:00
【问题描述】:

我想问 R 社区如何将具有相同 ID(即相同参与者)的两行与一些相同的变量和其他有 NA 的变量合并。在我的示例中,我希望所有值 4-5-6 出现在一行上,因此 NA(或空单元格)消失。

我曾尝试使用 dplyr,但没有取得多大成功,我必须手动进行合并(这非常耗时,并且会增加出错的风险)。提前感谢您对这个问题的帮助!

【问题讨论】:

  • 请不要使用图片。提供示例输入数据作为 R 代码,可以将其复制并粘贴到 R 中以重现输入。这次我在答案末尾的注释中为您完成了此操作。请参阅minimal reproducible example 了解更多信息。
  • @G.Grothendieck 好的,谢谢你的信息。

标签: r rows collapse na


【解决方案1】:
# Create sample data frame.
id <- c(rep('Participant 1', 2), rep('Participant 2', 2))
value1 <- rep('A', 4)
value2 <- rep('B', 4)
value3 <- rep('C', 4)
value4 <- c('x', NA, NA, 'x')
value5 <- c('x', NA, 'x', NA)
value6 <- c(NA, 'x', NA, 'x')

df <- data.frame(id, value1, value2, value3, value4, value5, value6, stringsAsFactors = F)

# Use dplyr to group the data and keep the non-NA value from the other columns.
df %>% group_by(id, value1, value2, value3) %>%
       summarise(value4 = max(value4, na.rm = T),
                 value5 = max(value5, na.rm = T),
                 value6 = max(value6, na.rm = T))

【讨论】:

    【解决方案2】:

    1) 使用下面注释中定义的DF 尝试使用下面定义的compress 函数进行聚合。此函数删除 NA 值并附加一个 NA 以防万一所有值都被删除,然后取剩下的第一个。没有使用任何包。

    compress <- function(x) c(na.omit(x), NA)[1]
    aggregate(DF[5:7], DF[1:4], compress)
    

    给予:

      ID Value1 Value2 Value3 Value4 Value5 Value6
    1  1      A      B      C      x      x      x
    2  2      A      B      C      x      x      x
    

    2) 如果没有参与者在任何列中具有所有 NA 值,一个更简单的替代方法是,我们可以消除 compress 的定义,并将 max 与 na.rm = TRUE 一起使用,如下所示:

    aggregate(DF[5:7], DF[1:4], max, na.rm = TRUE)
    

    注意:可重现形式的输入:

    Lines <- "ID Value1 Value2 Value3 Value4 Value5 Value6
    1 A B C x x NA
    1 A B C NA NA x
    2 A B C NA x NA
    2 A B C x NA x"
    DF <- read.table(text = Lines, header = TRUE, as.is = TRUE)
    

    【讨论】:

      【解决方案3】:

      dplyr 和 tidyr 的另一种解决方案:

      library(dplyr)
      library(tidyr)
      DF %>% 
        gather(var, val, Value4:Value6) %>% 
        filter(!is.na(val)) %>% 
        spread(var, val)
      

      使用@G.Grothendieck 的数据,结果如下:

        ID Value1 Value2 Value3 Value4 Value5 Value6
      1  1      A      B      C      x      x      x
      2  2      A      B      C      x      x      x
      

      或者summarise_each 的另一种变体@G.Grothendieck 的max 方法:

      DF %>% 
        group_by(ID, Value1, Value2, Value3) %>%
        summarise_each(funs(max(., na.rm = TRUE)))
      

      gather 和spread 选项也可以用reshape2 转换为解决方案:

      library(reshape2)
      dcast(na.omit(melt(DF, id.vars = c('ID','Value1','Value2','Value3'))),
            ID + Value1 + Value2 + Value3 ~ variable,
            value.var = 'value')
      

      【讨论】:

        【解决方案4】:

        如果您更喜欢使用dplyr,请尝试:

        library(dplyr)
        DF %>%
            group_by(ID, Value1, Value2, Value3) %>%
            summarise_each(funs(toString(na.omit(.))))
        

        结果:

             ID Value1 Value2 Value3 Value4 Value5 Value6
          <int>  <chr>  <chr>  <chr>  <chr>  <chr>  <chr>
        1     1      A      B      C      x      x      x
        2     2      A      B      C      x      x      x
        

        注意:

        【讨论】:

          猜你喜欢
          • 1970-01-01
          • 1970-01-01
          • 1970-01-01
          • 2014-07-19
          • 1970-01-01
          • 1970-01-01
          • 1970-01-01
          • 2017-07-31
          • 2013-06-14
          相关资源
          最近更新 更多