在忽略 NA 的同时合并列答案

【问题标题】：Merging columns while ignoring NAs在忽略 NA 的同时合并列
【发布时间】：2020-10-20 16:10:06
【问题描述】：

我想合并多个列。这是我的示例数据集的样子。

df <- data.frame(
  id = c(1,2,3,4,5),
  cat.1 = c(3,4,NA,4,2),
  cat.2 = c(3,NA,1,4,NA),
  cat.3 = c(3,4,1,4,2))

> df
  id cat.1 cat.2 cat.3
1  1     3     3     3
2  2     4    NA     4
3  3    NA     1     1
4  4     4     4     4
5  5     2    NA     2

我正在尝试合并列 cat.1 cat.2 和 cat.3。对我来说有点复杂，因为有 NA。

我只需要一个cat 变量，甚至某些列有NA，我需要忽略它们。所需的输出如下：

有什么想法吗？

【问题讨论】：

标签： r dataframe merge

【解决方案1】：

Gregor 使用dplyr::transmute 的答案的另一个变体：

library(dplyr)
df %>% 
  transmute(id = id, cat = coalesce(cat.1, cat.2, cat.3))

 #>   id cat
 #> 1  1   3
 #> 2  2   4
 #> 3  3   1
 #> 4  4   4
 #> 5  5   2

【讨论】：

@Gregor 我也是，总是必须输入 dplyr:: 并向下滚动以记住语法，哈哈。

【解决方案2】：

与dplyr:

library(dplyr)
df %>%
  mutate(cat = coalesce(cat.1, cat.2, cat.3)) %>%
  select(-cat.1, -cat.2, -cat.3)

【讨论】：

【解决方案3】：

fcoalesce 的选项来自data.table

library(data.table)
setDT(df)[, .(id, cat = do.call(fcoalesce,  .SD)), .SDcols = patterns('^cat')]

-输出

#    id cat
#1:  1   3
#2:  2   4
#3:  3   1
#4:  4   4
#5:  5   2

【讨论】：

【解决方案4】：

这行得通吗：

> library(dplyr)
> df %>% rowwise() %>% mutate(cat = mean(c(cat.1, cat.2, cat.3), na.rm = T)) %>% select(-(2:4))
# A tibble: 5 x 2
# Rowwise: 
     id   cat
  <dbl> <dbl>
1     1     3
2     2     4
3     3     1
4     4     4
5     5     2

由于跨行的值是唯一的，因此行的平均值将返回相同的唯一值，也可以使用最大值或最小值。

【讨论】：

【解决方案5】：

这是一个使用 apply 的基本 R 解决方案：

df$cat <- apply(df, 1, function(x) unique(x[!is.na(x)][-1]))

【讨论】：

apply(df[-1], ... unique(x[!is.na(x)])) 可能更干净一些