按行计算缺失值并添加缺失值的数量[重复]答案

【问题标题】：Count missing values with rowwise and add number of missing values [duplicate]按行计算缺失值并添加缺失值的数量[重复]
【发布时间】：2020-10-14 23:34:28
【问题描述】：

您好：我想向一个看起来像这样的数据框添加一列，其中包含缺失值的数量。

var1<-rnorm(100)
var2<-rnorm(100)
df<-data.frame(var1, var2)
#Set 1 missing value
df[1,1]<-NA
df[2,1]<-NA

library(tidyverse)
df
df %>% 
#I know select is somewhat superflurous in this dataframe, but I need it in my example, so I want to be sure I get ti right
  select(var1, var2) %>% 
  is.na() %>% 
#The missing values are there. 
  head()
#How do I add the counts
df %>% 
  select(var1, var2) %>% 
  rowwise() %>% 
  mutate(na=rowSums(is.na(.)))

【问题讨论】：

标签： r dplyr

【解决方案1】：

您不需要rowwise。只需注释该行，您的代码就可以工作。

这行得通：

df %>% 
  select(var1, var2) %>% 
  mutate(na = rowSums(is.na(.)))

【讨论】：

当我在我的基础数据上尝试这个时，我得到这个：Error: Problem with mutate()` 输入na。 x 输入 na 无法回收到尺寸 1。ℹ 输入 na 是 rowSums(is.na(.))。 ℹ 输入na 的大小必须是 1，而不是 4202。ℹ 您的意思是：na = list(rowSums(is.na(.))) 吗？ ℹ 错误发生在第 1 行。` 我正在处理带标签的数据。这可能是个问题吗？
可能。您能否提供一个您在问题中使用的确切数据类型的示例？几行就足够了。
更正：它工作正常。我的数据框已在之前的代码中按行分组。取消分组效果很好。哇。 Rowwise() 似乎很棘手。
啊，是的，这样就可以了。接得好。在使用分组时忘记取消分组非常常见。感谢您的接受。

【解决方案2】：

也许可以尝试使用rowwise() 确定并使用mutate() 创建Var，它将存储NA 的数量。对于行操作，您可以使用c_across() 评估所需条件。代码如下：

library(dplyr)
#Code
newdf <- df %>% rowwise() %>% mutate(Var=sum(is.na(c_across(var1:var2))))

输出：

# A tibble: 100 x 3
# Rowwise: 
      var1    var2   Var
     <dbl>   <dbl> <int>
 1 NA       0.990      1
 2 NA       0.509      1
 3 -0.248  -1.89       0
 4 -0.149  -0.230      0
 5 -0.808   0.421      0
 6  0.216  -1.36       0
 7 -0.319   1.50       0
 8 -0.0418  0.487      0
 9 -3.36   -2.37       0
10 -0.151  -0.0478     0
# ... with 90 more rows

【讨论】：

【解决方案3】：

你可以直接使用rowSums：

library(dplyr)
df %>%  mutate(na = rowSums(is.na(select(., var1, var2))))

【讨论】：