我有一个散布 NA 的数据框
toy_df
# Y X1 X2 Label
# 5 3 3 A
# 3 NA 2 B
# 3 NA NA C
# 2 NA 6 B
我想按标签字段对其进行分组,并计算每个标签的每个变量中有多少非 NA 值。
desired output:
# Label Y X1 X2
# A 1 1 1
# B 2 0 2
# C 1 0 0
目前我已经使用循环完成了这项工作,但它又慢又不整洁,我相信有更好的方法。
聚合似乎达到了一半,但它包括 NA 的计数。
aggregate(toy_df, list(toy_df$label), FUN=length)
任何想法表示赞赏...
最佳答案
我们可以使用 data.table
.将 'data.frame' 转换为 'data.table' ( setDT(toy_df)
),按 'Label' 分组,循环遍历 Data.table 的子集 ( .SD
) 并得到 sum
非 NA 值 ( !is.na(x)
)
library(data.table)
setDT(toy_df)[, lapply(.SD, function(x) sum(!is.na(x))), by = Label]
# Label Y X1 X2
#1: A 1 1 1
#2: B 2 0 2
#3: C 1 0 0
或与
dplyr
使用相同的方法library(dplyr)
toy_df %>%
group_by(Label) %>%
summarise_each(funs(sum(!is.na(.))))
或
base R
选项与 by
和 colSums
按逻辑矩阵的第 4 列分组 ( !is.na(toy_df[-4])
)by(!is.na(toy_df[-4]), toy_df[4], FUN = colSums)
或与
rowsum
使用与 by
类似的方法除了使用 rowsum
功能。rowsum(+(!is.na(toy_df[-4])), group=toy_df[,4])
# Y X1 X2
#A 1 1 1
#B 2 0 2
#C 1 0 0
关于R分组,计算非NA值,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/41150212/