R查找丢失的行答案

【问题标题】：R Finding the missing rowsR查找丢失的行
【发布时间】：2013-08-31 18:49:50
【问题描述】：

假设我有两个数据框 df1,df2，看起来像：

df1

        User        Lab      Score
         A           1        52
         A           2        65
         A           3        87
         A           5        78
         B           2        56
         B           4        98
         C           6        78

然后我有另一个数据框，我将用户 A 与数据框的其余部分隔离开来。

df2

        User       Lab      Score
        A          1         52
        A          2         65
        A          3         87
        A          5         78

如果我想创建一个包含 df2 中所有行的数据框，并且如果用户没有尝试过实验室，则他们的分数为 0。所以我想要：

df3

        User       Lab      Score
        A          1         52
        A          2         65
        A          3         87
        A          4         0
        A          5         78                
        A          6         0

【问题讨论】：

你怎么知道用户现在没有尝试实验室？是否设置为 NA？

标签： r loops dataframe rows

【解决方案1】：

为什么不使用data.table 一次性完成所有操作？

FinalTable = data.table(User=unique(df1$User))[,list(Lab=1:6),by=User]
setkey(FinalTable, User, Lab)
setkey(df1, User, Lab)
FinalTable = df1[FinalTable]
FinalTable[is.na(Score),Score:=0L]

结果：

    User Lab Score
 1:    A   1    52
 2:    A   2    65
 3:    A   3    87
 4:    A   4     0
 5:    A   5    78
 6:    A   6     0
 7:    B   1     0
 8:    B   2    56
 9:    B   3     0
10:    B   4    98
11:    B   5     0
12:    B   6     0
13:    C   1     0
14:    C   2     0
15:    C   3     0
16:    C   4     0
17:    C   5     0
18:    C   6    78

【讨论】：

【解决方案2】：

我确信有更好的方法来做到这一点，但这是我能想到的：

 ##Get unique lab IDs
 labs = as.data.frame(unique(df$Lab))
 names(labs) <- "Lab"

 df3 = merge(df2, labs, all.y = TRUE)
 df3$User[is.na(df3$User)] <- "A"
 df3[is.na(df3)] <- 0
 df3 <- df3[,c(2,1,3)]


 #> df3
 #  User Lab Score
 #1    A   1    52
 #2    A   2    65
 #3    A   3    87
 #4    A   4     0
 #5    A   5    78
 #6    A   6     0

【讨论】：

+1。我正要建议full <- data.frame(User = rep(LETTERS[1:3], each = 6), Lab = 1:6); final <- merge(df1, full, by = c("User", "Lab"), all = TRUE); final[is.na(final)] <- 0，假设他们最终会想要为所有“用户”这样做。
或者：完整的

【解决方案3】：

User<-c(rep('A',4),rep('B',2),'C')
Lab<-c(1,2,3,4,5,2,6)
Score<-c(52,65,87,78,56,98,78)
df1<-data.frame(User,Lab,Score)
df2<-df1[df1$User=='A',]
## find different value of df1$Lab and df2$Lab
s1<-unique(df1$Lab)
s2<-unique(df2$Lab)
## compute length
f1<-length(s1)-length(s2)
f2<-dim(df2)[1]
## initiate df3
df3<-df2
## expand df3, setdiff means the difference of two sets 
df3[(f2+1):(f2+f1),]<-data.frame(rep('A',f1),setdiff(s1,s2),rep(0,f1))

【讨论】：

【解决方案4】：

如果您愿意使用矩阵（并且每个用户/实验室都有唯一的记录），那么您可以使用 tapply：

mat1 <- tapply(df1$Score, list(df1$Lab, df1$User), mean)
mat1[is.na(mat1)] <- 0
mat1

#   A   B  C
# 1 52  0  0
# 2 65 56  0
# 3 87  0  0
# 4  0 98  0
# 5 78  0  0
# 6  0  0 78

现在每一列都代表一个用户，很容易按用户提取统计信息：

apply(mat1, 2, mean)
apply(mat1, 2, sd)

【讨论】：