我在使用 dplyr 连接数据帧时遇到了一些问题,我想忽略 NA。
我拥有的数据相当大,但简化版本如下所示:
id <- c("id1", "id2", "id3", "id4")
A <- c("E", "F", "G", NA)
B <- c("T", NA, "N", "T")
C <- c(NA, "T", "U", NA)
df <- data.frame(A, B, C)
id A B C
1 id1 E T NA
2 id2 F NA T
3 id3 G N U
4 id4 NA T NA
我有一个要与 df 匹配的条目,例如:
df2 <- data.frame(A = "E", B = "T", C = "M")
A B C
1 E T M
因此,我想从 df 中获取与 df2 匹配的所有行,但应该忽略 NA。所以结果应该是这样的:
id A B C
1 id1 E T NA
2 id4 NA T NA
我试图用 semi_join 来做这件事,但到目前为止还没有成功:
result <- df %>%
group_by(n = seq(n())) %>%
do(modify_if(., is.na, ~NULL) %>%
semi_join(df2, by = c("A", "B", "C"))) %>%
ungroup %>%
select(-n)
结果是:
Error: `by` can't contain join column `C` which is missing from LHS
Call `rlang::last_error()` to see a backtrace
谁知道答案?
最佳答案
这是一个混合了 tidyverse 和 base R 的解决方案。我认为这很清楚,但我对并非完全人为设计的纯 tidyverse 实现感兴趣。
想法是首先展开 df
和 df2
中的所有条目,然后使用循环过滤所有列。
数据:
id <- c("id1", "id2", "id3", "id4")
A <- c("E", "F", "G", NA)
B <- c("T", NA, "N", "T")
C <- c(NA, "T", "U", NA)
df <- data.frame(id, A, B, C, stringsAsFactors = F) # Make sure to use strings not factors
df2 <- data.frame(A = "E", B = "T", C = "M", stringsAsFactors = F)
代码:
library(tidyr)
results <- crossing(df, df2)
select_columns <- c("A", "B", "C")
for(col in select_columns) {
keep <- is.na(results[[col]]) | results[[col]] == results[[paste0(col, 1)]]
results <- results[keep,, drop=F]
}
results <- results %>% dplyr::select(id, A:C) %>% distinct
results
id A B C
1 id1 E T <NA>
2 id4 <NA> T <NA>
关于r - 加入数据但忽略缺失值,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/55423897/