计算每组的完整案例答案

【问题标题】：Count Complete Cases per Group计算每组的完整案例
【发布时间】：2015-01-14 13:11:17
【问题描述】：

我有一个大数据集（大约 10 000 行），并且想要创建一个函数来计算每组的完整案例（而不是 NA）的数量。我尝试了各种函数（聚合、表格、求和（完成.cases）、group_by 等），但不知何故我错过了一个 - 可能是小技巧。感谢您的帮助！

一个小样本数据集解释一下，我需要的结果。

x <- data.frame(group = c(1:4), 
                age = c(4:1, c(11, NA,13, NA)), 
                speed = c(12, NA,15,NA))
print(x)
#  group age speed
#1     1   4    12
#2     2   3    NA
#3     3   2    15
#4     4   1    NA
#5     1  11    12
#6     2  NA    NA
#7     3  13    15
#8     4  NA    NA

我写的一个函数如下：

CountPerGroup <- function(group) {
    data.set <- subset(x,group %in% group)

    vect <- vector()
    for (i in 1:length(group)) {
        vect[i] <- sum(complete.cases(data.set))
    }
    output <- data.frame(cbind(group,count=vect))   
    return(output)

}

结果

CountPerGroup(2:1)

是

  group count
1     2     4
2     1     4

很遗憾，这是错误的。相反，结果应该是这样的

  group count
1     2     1
2     1     4

我错过了什么？我如何告诉 R 每组来计算 complete.cases？非常感谢您对此提供的任何帮助！

【问题讨论】：

对不起，我没有得到正确的结果......也许我没有正确使用你的行 - 你将如何在函数中实现它？
第1组4个完整病例和第2组1个完整病例怎么算？请注意，完整的案例不与非缺失值的数量相同
如果数据量大，也可以使用data.table，这个包经常是为了这个效果做的！

标签： r function count

【解决方案1】：

如果你想保持你的功能，类似的东西应该可以解决问题：

x <- data.frame(group = c(1:4), 
                age = c(4:1, c(11, NA,13, NA)), 
                speed = c(12, NA,15,NA))

CountPerGroup <- function(x, groups) {
  data.set <- subset(x, group %in% groups)
  ans <- sapply(split(data.set, data.set$group), 
                function(y) sum(complete.cases(y)))
  return(data.frame(group = names(ans), count = unname(ans)))
}


CountPerGroup(x, 1:2)
#  group count
#1     1     2
#2     2     0

据我所知，这是正确的。但它与您建议的结果不符。

编辑

您似乎希望将非NA 的数量改为正确排序。改用这个函数：

CountPerGroup2 <- function(x, groups) {
   data.set <- subset(x, group %in% groups)
   ans <- sapply(split(data.set, data.set$group), 
                 function(y) sum(!is.na(y[, !grepl("group", names(y))])))[groups]
   return(data.frame(group = names(ans), count = unname(ans)))
}

CountPerGroup2(x, 2:1)
#  group count
#1     2     1
#2     1     4

【讨论】：

数据集有两行用于第 1 组，2 行用于第 2 组。第 1 组有四个值 4（年龄）、11（年龄）、12（速度）、12（速度）。第 2 组的年龄值为 2，但第 6 行中的年龄为 NA，速度有两个 NA。所以我计算了组 1 的 4 个值（= 观察值）和组 2 的值。
@user2006697 啊哈。所以你想要观察的数量（即非缺失值）。我明白了，我会修改答案。请注意，这与完整案例的数量不相同。完整案例是没有 NA 的整行。
Ahhhh....感谢您的解释...我显然误解了 complete.cases 功能。感谢这一点 - 以及您修改后的答案！
太棒了！感谢您的帮助和耐心！
还有一个问题：这段代码忽略了函数中组的顺序。 IE。不管我使用的是 CountPerGroup2(x, 1:2) 还是 CountPerGroup2(x, 2:1)。如何更改您的代码，以便将函数输入中的顺序考虑在内？

【解决方案2】：

如果您只是在寻找一种方法来获取每组非 NA 值的完整计数，您可以使用类似的方法：

library(plyr)
x <- data.frame(group = c(1:4), 
                age = c(4:1, c(11, NA,13, NA)), 
                speed = c(12, NA,15,NA))

counts <- ddply(x, "group", summarize, count=sum(!is.na(c(age, speed))))

##   group count
## 1     1     4
## 2     2     1
## 3     3     4
## 4     4     1

您确实错过了一个函数，它可以让您查询组的子集，但您可以通过单线方法来计算完整的解决方案。

【讨论】：

【解决方案3】：

这是data.table的一种方式

library(data.table)
library(functional)

countPerGroup = function(x, vec)
{
    dt = data.table(x) 
    d1 = setkey(dt, group)[group %in% vec]
    d2 = d1[,lapply(.SD, Compose(Negate(is.na), sum)),by=group]
    transform(d2, count=age+speed, speed=NULL, age=NULL)
}


countPerGroup(x, 1:2)
#   group count
#1:     1     4
#2:     2     1

countPerGroup(x, c(1,2))
#   group count
#1:     1     4
#2:     2     1

如果您的data.table 中的行数较多，则特别高效！

【讨论】：

谢谢。目前对我来说有点太高级了，但我保存了它以备将来使用！
Compose 和 Negate 是功能包中非常直观的功能，你应该看看！

【解决方案4】：

我刚遇到同样的问题，找到了一个更简单的解决方案

库（data.table）

x <- data.table(group = c(1:4), 
                age = c(4:1, c(11, NA,13, NA)), 
                speed = c(12, NA,15,NA))
x[,sum(complete.cases(.SD)), by=group]

【讨论】：