按变量分组并查找某些变量全部丢失的情况答案

【问题标题】：group by variable and find cases for which some variables are all missing按变量分组并查找某些变量全部丢失的情况
【发布时间】：2018-06-17 13:14:19
【问题描述】：

示例数据框：

library(dplyr)

n <- 5 
k <- 10
my_labels <- LETTERS[1:5]

foobar <- data.frame(group = gl(n, k, labels = my_labels), x = runif(n*k), y=rnorm(n*k), z = rpois(n*k, 1), month_name = (rep(month.name[1:k], n)))
index  <- sample(1:50,10)
foobar[index, c("x", "y", "z")] <- NA
foobar[foobar$group %in% c("B","E"), c("x", "y", "z")] <- NA

我想找到所有且只有那些级别的group，除month_name（当然还有group）之外的所有变量都完全丢失。在这种情况下，这些级别将是B 和E。

解决方案应使用dplyr（如果可能）。如果需要选择列，不要select只选择列x、y和z，而是取消选择不想勾选的列，例如group和month_name。这是因为在实际用例中，我有几十个变量必须检查是否缺失，只有几个变量我不想检查：当然，在示例中，为了简单起见，我只使用了三个变量。

【问题讨论】：

标签： r dplyr na

【解决方案1】：

我们可以在按'group'分组后使用filter_at对行进行子集化

foobar %>%
   group_by(group) %>% 
   filter_at(vars(x, y, z) , all_vars(all(is.na(.))))

返回“组”为“B”或“E”的行

如果意图是获取其他'组的'，则否定filter中的表达式

foobar %>% 
  group_by(group) %>% 
  filter_at(vars(x, y, z) , all_vars(!all(is.na(.))))

【讨论】：

不错！ all_vars 是 dplyr 助手吗？但是，使用filter_at(vars(x, y, z),.. 有点烦人。正如我所解释的，在实际情况下，我需要检查 NA 的变量比我不需要检查的变量更多，而且它们的名称很奇怪。即，它会变成filter_at(vars(x1, x2, x3, x3, A1, zc, Alpha_X, y1, OmegaVar, z1, Z2, z3, zmaybe, zalways, zpheraps, daylight_saving, foo, bar, barfoo, barbar, barbarbaberbar,...。我不需要检查NA 的变量少得多 并且具有简单的名称。难道没有办法否定vars(..)吗？
@DeltaIV 如果你想取消选择，可以使用one_of你可以检查语法是?select
回答已接受。关于为什么这需要使用all_vars() 的任何直觉？我看过帮助，但有点神秘。
@DeltaIV 谢谢，我不在。 all_vars 将查找与同一行中vars 中指定的所有变量匹配的条件，而any_vars 只需要一个变量满足过滤该行的条件。
@DeltaIV 我认为-one_of 应该像在select 中一样工作，但可能是filter_at 中的一个错误。你可以使用foobar %>% group_by(group) %>% filter_at(vars(setdiff(names(.), "month_name")), all_vars(!all(is.na(.))))