如何在组中查找 NA 并为数据框创建新列

Question

我有一个由“ID”列和“Diff”列组成的数据框。 ID 列负责标记相应 Diff 值的组。 一个示例如下所示：

structure(list(ID = c(566, 566, 789, 789, 789, 487, 487, 11, 
11, 189, 189), Diff = c(100, 277, 529, 43, NA, 860, 780, 445, 
NA, 578, 810)), .Names = c("ID", "Diff"), row.names = c(9L, 10L, 
20L, 21L, 22L, 25L, 26L, 51L, 52L, 62L, 63L), class = "data.frame")

我的目标是在 Diff 列中搜索每个组的 NA 并创建一个新列，该列的每行具有“True”或“False”值，具体取决于相应组在 Diff 中是否具有 NA。

我试过了

x <- aggregate(Diff ~ ID, data, is.na)

和

y <- aggregate(Diff ~ ID, data, function(x) any(is.na(x)))

这个想法是根据 ID 合并结果。但是，以上都没有产生有用的结果。我知道 R 可以做到……在搜索了很长一段时间后，我问你怎么做 :)

Answer 1

您可以使用plyr 和ddply

require(plyr)
ddply(data, .(ID), transform, na_diff = any(is.na(Diff)))
##     ID Diff na_diff
## 1   11  445    TRUE
## 2   11   NA    TRUE
## 3  189  578   FALSE
## 4  189  810   FALSE
## 5  487  860   FALSE
## 6  487  780   FALSE
## 7  566  100   FALSE
## 8  566  277   FALSE
## 9  789  529    TRUE
## 10 789   43    TRUE
## 11 789   NA    TRUE

Answer 2

与@dickoa 非常相似的解决方案，除了base：

do.call(rbind,by(data,data$ID,function(x)transform(x,na_diff=any(is.na(Diff)))))
#         ID Diff na_diff
# 11.51   11  445    TRUE
# 11.52   11   NA    TRUE
# 189.62 189  578   FALSE
# 189.63 189  810   FALSE
# 487.25 487  860   FALSE
# 487.26 487  780   FALSE
# 566.9  566  100   FALSE
# 566.10 566  277   FALSE
# 789.20 789  529    TRUE
# 789.21 789   43    TRUE
# 789.22 789   NA    TRUE

同样，您可以通过以下方式避免transform：

data$na_diff<-with(data,by(Diff,ID,function(x) any(is.na(x)))[as.character(ID)])

Answer 3

（您已经有两种可行的策略，但如果您对 R 相对较新并且不熟悉 plyr 的工作方式，那么这里还有一个在概念上可能更容易遵循。） p>

我经常需要知道我在不同的变量中有多少NAs，所以这里有一个我使用标准的便利函数：

sna <- function(x){
  sum(is.na(x))
}

从那里，我有时使用aggregate()，但有时我发现doBy 包中的?summaryBy 更方便。这是一个例子：

library(doBy)
z <- summaryBy(Diff~ID, data=my.data, FUN=sna)
z
   ID Diff.sna
1  11        1
2 189        0
3 487        0
4 566        0
5 789        1

在此之后，您只需使用?merge 并将NAs 的计数转换为逻辑即可获得最终数据帧：

my.data          <- merge(my.data, z, by="ID")
my.data$Diff.sna <- my.data$Diff.sna>0
my.data
    ID Diff Diff.sna
1   11  445     TRUE
2   11   NA     TRUE
3  189  578    FALSE
4  189  810    FALSE
5  487  860    FALSE
6  487  780    FALSE
7  566  100    FALSE
8  566  277    FALSE
9  789  529     TRUE
10 789   43     TRUE
11 789   NA     TRUE