如何匹配 R 数据框中的行

Question

我有一个看起来像这样的数据框：

participant	Sex	Age	interval	reproduction	condition
22014	Female	18	NA	NA	NA
22014	Female	18	1.536131	NA	NA
22014	Female	18	NA	NA	NA
22014	Female	18	1.416826	NA	NA
22014	Female	18	NA	NA	NA
22014	Female	18	1.549845	NA	NA
22014	Female	18	NA	NA	NA
22014	Female	18	1.542681	NA	NA
22014	Female	18	NA	NA	NA
22014	Female	18	1.265929	NA	NA
22014	Female	18	NA	1.2531	NA
22014	Female	18	NA	1.2507	NA
22014	Female	18	NA	1.7841	NA
22014	Female	18	NA	1.3536	NA
22014	Female	18	NA	0.8031	NA
22014	Female	18	NA	NA	Non-Causal

等等

我需要做三件事：

1. 向上“回填”“条件”中的值，以便“条件”中从有效条目（此处为非因果）向上的每个单元格都填充有该有效条目。

2. 将 'reproduction' 中的 5 个条目与 'interval' 中的 5 个条目按相应顺序匹配，即，1.2531 上移到 1.536131 旁边，1.2507 与 1.416826 等相匹配

3. 去掉 NA 行，这样最后只剩下 5 行，每一列都有有效的条目

关于如何解决这个问题的任何提示？ 实际的数据框要长得多，并且“条件”具有不同的值；但是，每个条件总会有 5 个条目，并且它们应该具有匹配的间隔和再现条目

Answer 1

这是 r2evans 和 Mr.Flick 所代表的漫长道路：

library(dplyr)
library(tidyr)
df %>% 
  fill(condition, .direction = "up") %>% 
  mutate(id = row_number()) %>% 
  pivot_longer(
    cols = c(interval, reproduction)
  ) %>% 
  na.omit() %>% 
  pivot_wider(
    names_from = name,
    values_from = value
  ) %>% 
  mutate(reproduction = lead(reproduction,5)) %>% 
  na.omit() %>% 
  select(-id) %>% 
  relocate(condition, .after = 6)

Answer 2

这是一个基本的 R 解决方案，除了函数 na.locf，来自包 zoo。

df1$condition <- with(df1, ave(condition, participant, FUN = \(x) zoo::na.locf(x, fromLast =TRUE)))
i <- with(df1, ave(interval, participant, FUN = \(x) !is.na(x)))
j <- with(df1, ave(reproduction, participant, FUN = \(x) !is.na(x)))
df1$reproduction[as.logical(i)] <- df1$reproduction[as.logical(j)]
df1$reproduction[as.logical(j)] <- NA_real_
df1 <- df1[complete.cases(df1), ]

df1
#   participant    Sex Age interval reproduction  condition
#2        22014 Female  18 1.536131       1.2531 Non-Causal
#4        22014 Female  18 1.416826       1.2507 Non-Causal
#6        22014 Female  18 1.549845       1.7841 Non-Causal
#8        22014 Female  18 1.542681       1.3536 Non-Causal
#10       22014 Female  18 1.265929       0.8031 Non-Causal

---

数据

df1 <- read.table(text = "
participant     Sex     Age     interval    reproduction    condition
22014   Female  18  NA  NA  NA
22014   Female  18  1.536131    NA  NA
22014   Female  18  NA  NA  NA
22014   Female  18  1.416826    NA  NA
22014   Female  18  NA  NA  NA
22014   Female  18  1.549845    NA  NA
22014   Female  18  NA  NA  NA
22014   Female  18  1.542681    NA  NA
22014   Female  18  NA  NA  NA
22014   Female  18  1.265929    NA  NA
22014   Female  18  NA  1.2531  NA
22014   Female  18  NA  1.2507  NA
22014   Female  18  NA  1.7841  NA
22014   Female  18  NA  1.3536  NA
22014   Female  18  NA  0.8031  NA
22014   Female  18  NA  NA  Non-Causal
", header = TRUE)

Answer 3

您可以使用dplyr 和tidyr 完成大部分工作。例如，如果您的数据位于名为 dd 的 data.frame 中，

library(dplyr)
library(tidyr)
dd %>% 
  group_by(participant, Sex, Age) %>% 
  fill(condition, .direction="up") %>% 
  summarize(across(everything(), ~head(na.omit(.x), 5)))

我们使用tidyr::fill 回填条件，然后使用dplyr::summarize() 为所有不用于对行分组的列只保留前5 个非NA。

Answer 4

您可以分组和总结：

library(dplyr)
dat %>%
  group_by(participant, Sex, Age) %>%
  summarize(across(c(interval, reproduction, condition), ~ .[!is.na(.)])) %>%
  ungroup()
# # A tibble: 5 x 6
#   participant Sex      Age interval reproduction condition 
#         <int> <chr>  <int>    <dbl>        <dbl> <chr>     
# 1       22014 Female    18     1.54        1.25  Non-Causal
# 2       22014 Female    18     1.42        1.25  Non-Causal
# 3       22014 Female    18     1.55        1.78  Non-Causal
# 4       22014 Female    18     1.54        1.35  Non-Causal
# 5       22014 Female    18     1.27        0.803 Non-Causal

（如果condition 中非NA 的数量不是1，或者其他列中非NA 的数量不同，则会出现故障。）