以长期格式删除缺失案件

Question

我有一个带有3个评估点的长格式数据集，例如：

dataset = data.frame(
  id = c(1,1,1,2,2,2,3,3,3,4,4,4,5,5,5),
  assessment = c(1,2,3,1,2,3,1,2,3,1,2,3,1,2,3),
  scoreA = c(7,9,5,NA,5,11,2,3,9,1,NA,NA,7,NA,5),
  scoreB = c(1,2,7,6,1,11,3,3,2,1,12,NA,NA,4,5)
)

如果在

ID

处有任何

NA

，则我想删除属于同一

assessment == 1

的所有观测值。例如，

ID

的

2

和

5

在

NA

中，因此应排除在外。
我正在尝试使用

assessment == 1

和

{dplyr}

函数，沿

{tidyr}

，

group_by()

，...

我们只能保留那些ID，而评估1：

中没有任何丢失的得分/得分。

filter()

Answer 1

，我们可以过滤到没有NA的1行评估1行，并将其加入原始数据，以相同的结果。

library(dplyr)
dataset |>
  filter(!any(is.na(scoreA[assessment == 1]) | 
              is.na(scoreB[assessment == 1])), .by = id)

  id assessment scoreA scoreB
1  1          1      7      1
2  1          2      9      2
3  1          3      5      7
4  3          1      2      3
5  3          2      3      3
6  3          3      9      2
7  4          1      1      1
8  4          2     NA     12
9  4          3     NA     NA

您可以使用

dataset |>
  filter(assessment == 1) |>
  tidyr::drop_na() |>
  # distinct(id) |> # only needed if there might be multiple assessment 1's for an id
  left_join(dataset)

 +

subset

Answer 2

na.omit

或在baser

中，您可以使用

> subset(dataset, id %in% na.omit(subset(dataset, assessment == 1))$id)
   id assessment scoreA scoreB
1   1          1      7      1
2   1          2      9      2
3   1          3      5      7
7   3          1      2      3
8   3          2      3      3
9   3          3      9      2
10  4          1      1      1
11  4          2     NA     12
12  4          3     NA     NA

＆

!complete.cases

Answer 3

dataset$assessment == 1

here是

dataset[!dataset$id %in% dataset[!complete.cases(dataset) & dataset$assessment == 1,]$id, ]

   id assessment scoreA scoreB
1   1          1      7      1
2   1          2      9      2
3   1          3      5      7
7   3          1      2      3
8   3          2      3      3
9   3          3      9      2
10  4          1      1      1
11  4          2     NA     12
12  4          3     NA     NA

或

dplyr

的解决方案。优点是您可以使用

Answer 4

将相同的逻辑函数应用于多列。

if_any()

orpick()

library(dplyr)

dataset %>%
  filter(!any(if_any(scoreA:scoreB, is.na) & assessment == 1),
         .by = id)