【发布时间】:2015-02-23 19:08:37
【问题描述】:
假设我有以下 data.frame df 患者家乡和一个任意临床指标,即心率:
id <- c(rep(1:3, each = 2), rep(4, 3))
pt_hometown <- c("Atlanta", NA,
NA, "San Diego",
NA, NA,
"San Francisco", "Seattle", NA)
pt_heartrate <- c(NA, 82,
NA, NA,
76, 76,
90, 93, NA)
df <- data.frame(id = id,
pt_hometown = pt_hometown,
pt_heartrate = pt_heartrate,
stringsAsFactors = FALSE)
df
这给了
id pt_hometown pt_heartrate
1 Atlanta NA
1 <NA> 82
2 <NA> NA
2 San Diego NA
3 <NA> 76
3 <NA> 76
4 San Francisco 90
4 Seattle 93
4 <NA> NA
As I've learned here、summarise_each 可以将一个或多个函数应用于分组数据帧,以将记录折叠为每组一个。最简单的情况可能是从 df 中的所有变量中选择第一个非 NA 值,然后将它们折叠成每组一个。
df1 <- df %>%
group_by(id) %>%
summarise_each(funs(first(.[!is.na(.)]))
df1
id pt_hometown pt_heartrate
1 Atlanta 82
2 San Diego NA
3 NA 76
4 San Francisco 90
当然,对于实际应用,可能需要更具体一点的折叠。我知道如何按类型对df 的变量进行分组,例如,根据id 选择max 心率并折叠到一条记录,但我不知道该怎么做是有条件地折叠字符变量到每组一条记录,因为只有一个唯一的非 NA 值。
更具体地说,考虑id 编号为 4 的患者。pt_hometown 有两个唯一值,“旧金山”和“西雅图”。显然两者都不可能是正确的。所以我想折叠只有一个非 NA 值的每个组的记录,但保留存在多个非 NA 元素的行,然后引起我们组的注意以决定如何纠正原始数据集中的错误。
所以我希望df1 看起来像这样:
id pt_hometown pt_heartrate
1 Atlanta 82
2 San Diego NA
3 <NA> 76
4 San Francisco 90
4 Seattle 93
这是我尝试过的:
df1 <- df %>%
group_by(id) %>%
summarise_each_(funs(first(.[!is.na(.)])), df[length(unique(.[!is.na(.)])) == 1])
【问题讨论】:
-
据我所知,
summarise和summarise_each目前只允许每组返回 1 行。开发者are discussing如何让它更灵活。