如何使用 dplyr::c_across() 总结不同类型的变量答案

【问题标题】：How to summarise across different types of variables with dplyr::c_across()如何使用 dplyr::c_across() 总结不同类型的变量
【发布时间】：2020-09-18 17:09:08
【问题描述】：

我有不同类型变量的数据。有些是字符，有些是因数，有些是数字，如下所示：

df <- data.frame(a = c("tt", "ss", "ss", NA), b=c(2,3,NA,1), c=c(1,2,NA, NA), d=c("tt", "ss", "ss", NA))

我正在尝试使用c_across in dplyr 计算每次观察的缺失值数量但是，c_across 似乎无法组合不同类型的值，如下面的错误消息所示

df %>%
  rowwise() %>%
  summarise(NAs = sum(is.na(c_across())))

错误：summarise() 输入 NAs 有问题。 x 不能组合 a 和 b 。 ℹ 输入NAs 是sum(is.na(c_across()))。 ℹ 错误发生在第 1 行。

确实，如果我只包含数字变量，它就可以工作。

df %>%
  rowwise() %>%
  summarise(NAs = sum(is.na(c_across(b:c))))

如果我只包含字符变量也是一样

df %>%
  rowwise() %>%
  summarise(NAs = sum(is.na(c_across(c(a,d)))))

我可以不使用c_across 来解决这个问题，但我有很多变量，所以不太实用。

df %>%
  rowwise() %>%
  summarise(NAs = is.na(a)+is.na(b)+is.na(c)+is.na(d))

我可以使用传统的apply 方法，如下所示，但我想使用dplyr 来解决这个问题。

apply(df, 1, function(x)sum(is.na(x)))

关于如何计算缺失值的数量、逐行、高效和使用dplyr，有什么建议吗？

【问题讨论】：

标签： r dplyr rowwise

【解决方案1】：

我会建议这种方法。问题是因为两件事。首先，数据框中的变量类型不同，其次是行式任务需要一个关键变量。因此，在接下来的代码中，我们首先将变量转换为类似的类型，然后根据行数创建一个 id。有了这个，我们使用该元素作为rowwise() 的输入，然后我们可以使用c_across() 函数。这里是代码（我用过你df数据）：

library(tidyverse)
#Code
df %>% 
  mutate_at(vars(everything()),funs(as.character(.))) %>%
  mutate(id=1:n()) %>%
  rowwise(id) %>%
  mutate(NAs = sum(is.na(c_across(a:d))))

输出：

# A tibble: 4 x 6
# Rowwise:  id
  a     b     c     d        id   NAs
  <chr> <chr> <chr> <chr> <int> <int>
1 tt    2     1     tt        1     0
2 ss    3     2     ss        2     0
3 ss    NA    NA    ss        3     2
4 NA    1     NA    NA        4     3

我们可以避免mutate_at() 函数，使用新的across() 和mutate() 来认证变量：

#Code 2
df %>% 
  mutate(across(a:d,~as.character(.))) %>%
  mutate(id=1:n()) %>%
  rowwise(id) %>%
  mutate(NAs = sum(is.na(c_across(a:d))))

输出：

# A tibble: 4 x 6
# Rowwise:  id
  a     b     c     d        id   NAs
  <chr> <chr> <chr> <chr> <int> <int>
1 tt    2     1     tt        1     0
2 ss    3     2     ss        2     0
3 ss    NA    NA    ss        3     2
4 NA    1     NA    NA        4     3

【讨论】：

第二个快一点。

【解决方案2】：

更快的选择不是使用rowwise 或c_across，而是使用rowSums

library(dplyr)
df %>% 
     mutate(NAs = rowSums(is.na(.)))
#     a  b  c    d NAs
#1   tt  2  1   tt   0
#2   ss  3  2   ss   0
#3   ss NA NA   ss   2
#4 <NA>  1 NA <NA>   3

如果我们想select某些列，即numeric

df %>%
   mutate(NAs = rowSums(is.na(select(., where(is.numeric)))))
#     a  b  c    d NAs
#1   tt  2  1   tt   0
#2   ss  3  2   ss   0
#3   ss NA NA   ss   2
#4 <NA>  1 NA <NA>   1

【讨论】：