我正在处理一个存在一些清洁问题的大型数据集。为了您的理智,我制作了一个更简单的示例。假设数据集如下所示:
A B C D E F G H
1 Albania 2015 10 NA NA NA 60 NA
2 Albania 2015 NA NA 50 NA NA 10
3 Greece 2016 30 NA 20 NA NA NA
4 Greece 2016 NA 400 NA 30 30 10
5 Greece 2017 NA 40 NA NA NA NA
6 Greece 2017 20 NA 30 30 50 10
7 Albania 2015 NA 200 NA 40 NA NA
请原谅这个复杂性,但我希望解决方案能够适合我的实际应用。正如您所看到的,行的重复条目(例如 Albania 2015)导致变量观测值分布在多行中。我希望将前两列(国家/地区和年份)中的匹配字符串值绑定(bind)到行,并将展开的变量值 (C-H) 统一为一行。最后,数据框应如下所示:
A B C D E F G H
1 Albania 2015 10 200 50 40 60 10
2 Greece 2016 30 400 20 30 30 10
3 Greece 2017 20 40 30 30 50 10
有人可以带我找到解决方案吗?谢谢!
最佳答案
我们可以按“A”、“B”进行分组,并使用函数 max/sum/min
之一汇总
其余列,因为只有每个列/组有一个非 NA 元素
library(dplyr)
df1 %>%
group_by(A, B) %>%
summarise_at(vars(-group_cols()), ~ if(all(is.na(.))) NA
else max(., na.rm = TRUE))
# A tibble: 3 x 8
# Groups: A [2]
# A B C D E F G H
# <chr> <int> <int> <int> <int> <int> <int> <int>
#1 Albania 2015 10 200 50 40 60 10
#2 Greece 2016 30 400 20 30 30 10
#3 Greece 2017 20 40 30 30 50 10
数据
df1 <- structure(list(A = c("Albania", "Albania", "Greece", "Greece",
"Greece", "Greece", "Albania"), B = c(2015L, 2015L, 2016L, 2016L,
2017L, 2017L, 2015L), C = c(10L, NA, 30L, NA, NA, 20L, NA), D = c(NA,
NA, NA, 400L, 40L, NA, 200L), E = c(NA, 50L, 20L, NA, NA, 30L,
NA), F = c(NA, NA, NA, 30L, NA, 30L, 40L), G = c(60L, NA, NA,
30L, NA, 50L, NA), H = c(NA, 10L, NA, 10L, NA, 10L, NA)),
class = "data.frame", row.names = c("1",
"2", "3", "4", "5", "6", "7"))
关于通过将行与 R 中的匹配属性绑定(bind)来替换缺失的 "NA"值,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/59327129/