使用 R 在数据集中选择具有匹配缺失观测值的行

Question

我已确定如何识别数据集中所有独特的缺失观察模式。现在，我想选择该数据集中具有给定缺失观察模式的所有行。我想迭代地执行此操作，以便如果数据集中有 n 个缺失观察模式，我最终会得到 n 个数据集，每个数据集仅包含 1 个缺失观察模式。

我知道怎么做，但是我的方法效率不高，不通用。我希望学习一种更有效、更通用的方法，因为我的真实数据集比下面的示例大得多，变化多端。

这是一个示例数据集和我正在使用的代码。我不想包含我用来从矩阵 dd 创建矩阵 zzz 的代码，但如果有帮助，可以添加该代码。

dd  <- matrix(c( 
            1, 0, 1, 1,
            NA, 1, 1, 0, 
            NA, 0, 0, 0, 
            NA, 1,NA, 1, 
            NA, 1, 1, 1, 
             0, 0, 1, 0, 
            NA, 0, 0, 0, 
             0,NA,NA,NA, 
             1,NA,NA,NA, 
             1, 1, 1, 1, 
            NA, 1, 1, 0), 
nrow=11, byrow=T) 

zzz <- matrix(c(
             1, 1, 1, 1,
            NA, 1, 1, 1, 
            NA, 1,NA, 1, 
             1,NA,NA,NA
), nrow=4, byrow=T) 

for(jj in 1:dim(zzz)[1]) { 
ddd <- 
dd[ 
((dd[, 1]%in%c(0,1) & zzz[jj, 1]%in%c(0,1)) | 
    (is.na(dd[, 1]) & is.na(zzz[jj, 1]))) & 
((dd[, 2]%in%c(0,1) & zzz[jj, 2]%in%c(0,1)) | 
(is.na(dd[, 2]) & is.na(zzz[jj, 2]))) & 
((dd[, 3]%in%c(0,1) & zzz[jj, 3]%in%c(0,1)) | 
(is.na(dd[, 3]) & is.na(zzz[jj, 3]))) & 
((dd[, 4]%in%c(0,1) & zzz[jj, 4]%in%c(0,1)) | 
(is.na(dd[, 4]) & is.na(zzz[jj, 4]))),] 

print(ddd) 
} 

此示例中的 4 个结果数据集是：

a) 
1    0    1    1 
0    0    1    0 
1    1    1    1 

b) 
NA    1    1    0 
NA    0    0    0 
NA    1    1    1 
NA    0    0    0 
NA    1    1    0 

c) 
NA  1 NA  1 

d) 
0   NA   NA   NA 
1   NA   NA   NA 

有没有更通用和更有效的方法来做同样的事情？在上面的示例中，未保存 4 个结果数据集，但我确实将它们与我的真实数据一起保存。

感谢您的任何建议。

马克·米勒

Answer 1

# Missing value patterns (TRUE=missing, FALSE=present)
patterns <- unique( is.na(dd) )

result <- list()
for( i in seq_len(nrow(patterns))) {
  # Rows with this pattern
  rows <- apply( dd, 1, function(u) all( is.na(u) == patterns[i,] ) )
  result <- append( result, list(dd[rows,]) )
}

Answer 2

不完全确定我理解这个问题，但这里是一个刺...

您要做的第一件事是弄清楚哪些元素是 NA，哪些不是。为此，您可以使用 is.na() 函数。

is.na(dd)

将生成一个与 dd 大小相同的矩阵，其中包含 TRUE，其中值为 NA，而其他位置为 FALSE。

然后你想在你的矩阵中找到独特的模式。为此，您需要接受 'margin' 参数的 unique() 函数，允许您仅在矩阵中找到唯一行。

zzz <- unique(is.na(dd), margin=1)

创建一个类似于您的 zzz 矩阵的矩阵，但您当然可以用“TRUE”代替 NA，用“FALSE”代替 1，这样它就与您的矩阵相同。

然后，您可以从这里走几个方向，尝试将它们分类到不同的数据集中。不幸的是，我认为您将需要一个循环。

results <- list()
for (r in 1:nrow(dd)){
  ind <- which(apply (zzz, 1, function(x) {all(x==is.na(dd[r,]))}))
  if (ind %in% names(results)){
    results[[ind]] <- rbind(results[[ind]], dd[r,])
  }
  else{
    results[[ind]] <- dd[r,]
    names(results)[ind] <- ind
  }
}

此时，您有一个列表，其中包含 dd 的所有行，按 NA 的模式排序。您会发现 zzz 的第 1 行表示的模式将与结果的第 1 行匹配，其余行相同。