如果 R 中有许多 NA，则合并行数据答案

【问题标题】：merge rows data if many NAs in R如果 R 中有许多 NA，则合并行数据
【发布时间】：2021-08-02 02:54:42
【问题描述】：

我有如下数据表：

library(data.table)
# Example table
table <- data.table(ID = c("Entity_A","Entity_A","Entity_B","Entity_B"),
                  Level = c("Individual_1","Individual_2","Individual_1","Individual_2"),
                  Amount1 = c("100","100","120","n.a."),
                  Amount2 = c("n.a.","40","30","30"),
                  Amount3 =c("20","n.a.","40","n.a."),
                  Amount4 =c("10","n.a.","n.a.","n.a.")
                  )
# Transform "n.a." in real NA
table <- table %>% mutate(across(where(is.character), ~na_if(., "n.a.")))
# Count which rows have more NAs
table$na_count <- apply(table, 1, function(x) sum(is.na(x)))
# Show example table
table
         ID        Level Amount1 Amount2 Amount3 Amount4 na_count
1: Entity_A Individual_1     100    <NA>      20      10        1
2: Entity_A Individual_2     100      40    <NA>    <NA>        2
3: Entity_B Individual_1     120      30      40    <NA>        1
4: Entity_B Individual_2    <NA>      30    <NA>    <NA>        3

对于每个实体（“ID”列中的实体 A、实体 B 等...），我想取 NA 数量最多的行中可用的值（来自“na_count”列）并合并此信息与具有最少 NA 数量的相应行（如果实际上有要合并的信息）。生成的数据框将是：

         ID        Level Amount1 Amount2 Amount3 Amount4
1: Entity_A Individual_1     100      40      20      10
2: Entity_B Individual_1     120      30      40    <NA>

例如，对于 Entity A，Amount2（以前为 NA）在第一行（Individual_1，实体 A 的 NA 数量最少）中不可用，但实际上在第一行中可用第二行（Individual_2，实体 A 的 NA 数量最多）。所以代码应该用第二行中可用的内容填充第一行。而对于实体 B，由于在第 4 行中没有可以合并的其他信息，最后一行将继续与第 3 行一样。有人可以帮忙吗？

【问题讨论】：

标签： r na

【解决方案1】：

arrangena_count 和fill 的数据，每个NA 值ID 并选择每个组中的第一行。

library(dplyr)
library(tidyr)

table %>%
  arrange(ID, na_count) %>%
  group_by(ID) %>%
  fill(starts_with('Amount'), .direction = 'updown') %>%
  slice(1L) %>%
  ungroup %>% 
  dplyr::select(-na_count)

#  ID       Level        Amount1 Amount2 Amount3 Amount4
#  <chr>    <chr>        <chr>   <chr>   <chr>   <chr>  
#1 Entity_A Individual_1 100     40      20      10     
#2 Entity_B Individual_1 120     30      40      NA

【讨论】：

【解决方案2】：

由于输入是data.table，我们可以使用data.table方法

library(data.table)
table[order(na_count),lapply(.SD, function(x) 
   nafill(nafill(as.numeric(x), type = 'locf'), type = 'nocb')[1]),
      ID, .SDcols = startsWith(names(table), 'Amount')]
         ID Amount1 Amount2 Amount3 Amount4
1: Entity_A     100      40      20      10
2: Entity_B     120      30      40      NA

【讨论】：