我有一个简单的数据帧:
ID Col1 Col2 Col3 Col4
1 NA NA NA NA
1 5 10 NA NA
1 NA NA 15 20
2 NA NA NA NA
2 25 30 NA NA
2 NA NA 35 40
我想重新格式化它:
ID Col1 Col2 Col3 Col4
1 5 10 15 20
2 25 30 35 40
(请注意:真实数据集有数千行,值来自生物数据 - NA
s不遵循简单模式,除了NA
s是不相交的,是的,每个ID
正好有3行)。
第一步:摆脱只有NA
值的行。
从表面上看,这看起来很简单,但我遇到了一些问题。
complete.cases(DF)
返回所有FALSE
,所以我不能真正使用它来删除所有NA
s的行,如DF[complete.cases(DF),]
。这是因为所有行都包含至少一个NA
。
由于NA
s想要自己传播,因此使用is.na
的其他方案也因同样的原因而失败。
第二步:将剩余的两行折叠成一行。
考虑使用像aggregate
之类的东西来解决这个问题,但是必须有一个比this更简单的方法,它根本不起作用。
谢谢你的建议。
尝试
library(dplyr)
DF %>% group_by(ID) %>% summarise_each(funs(sum(., na.rm = TRUE)))
编辑:为了解释一个列具有某个NAs
的所有ID
的情况,我们需要sum_NA()
函数,如果所有都是NA
则返回NAs
txt <- "ID Col1 Col2 Col3 Col4
1 NA NA NA NA
1 5 10 NA NA
1 NA NA 15 20
2 NA NA NA NA
2 NA 30 NA NA
2 NA NA 35 40"
DF <- read.table(text = txt, header = TRUE)
# original code
DF %>%
group_by(ID) %>%
summarise_each(funs(sum(., na.rm = TRUE)))
# `summarise_each()` is deprecated.
# Use `summarise_all()`, `summarise_at()` or `summarise_if()` instead.
# To map `funs` over all variables, use `summarise_all()`
# A tibble: 2 x 5
ID Col1 Col2 Col3 Col4
<int> <int> <int> <int> <int>
1 1 5 10 15 20
2 2 0 30 35 40
sum_NA <- function(x) {if (all(is.na(x))) x[NA_integer_] else sum(x, na.rm = TRUE)}
DF %>%
group_by(ID) %>%
summarise_all(funs(sum_NA))
DF %>%
group_by(ID) %>%
summarise_if(is.numeric, funs(sum_NA))
# A tibble: 2 x 5
ID Col1 Col2 Col3 Col4
<int> <int> <int> <int> <int>
1 1 5 10 15 20
2 2 NA 30 35 40
这是一个数据表方法,在列中使用na.omit()
,按ID分组。
library(data.table)
setDT(df)[, lapply(.SD, na.omit), by = ID]
# ID Col1 Col2 Col3 Col4
# 1: 1 5 10 15 20
# 2: 2 25 30 35 40
以下是几次尝试:
aggregate(. ~ ID, data=dat, FUN=na.omit, na.action="na.pass")
# ID Col1 Col2 Col3 Col4
#1 1 5 10 15 20
#2 2 25 30 35 40
由于aggregate
的公式接口默认在进行任何分组之前对整个数据使用na.omit
,它将删除dat
的每一行,因为它们都包含至少一个NA
值。试试吧:nrow(na.omit(dat))
返回0
。所以在这种情况下,在na.pass
中使用aggregate
,然后使用na.omit
跳过通过的NA
s。
或者,不要使用公式接口并指定要手动聚合的列:
aggregate(dat[-1], dat[1], FUN=na.omit )
aggregate(dat[c("Col1","Col2","Col3","Col4")], dat["ID"], FUN=na.omit)
# ID Col1 Col2 Col3 Col4
#1 1 5 10 15 20
#2 2 25 30 35 40
简单的方法是:
as.data.frame(lapply(myData[,c('Col1','Col2','Col3','Col4')],function(x)[!is.na(x)]))
但如果不是所有列都具有相同数量的非NA
值,那么你需要修剪它们,如下所示:
temp <- lapply(myData[,c('Col1','Col2','Col3','Col4')],function(x)x[!is.na(x)])
len <- min(sapply(temp,length))
as.data.frame(lapply(temp,`[`,seq(len)))