r - `summarise` 基于 `group_by` 具有多列，其中一列也有 `NA`

Question

示例:

df <- data.frame(ID1 = c(1,2,3,4,5), ID2 = c(11, NA, 13, NA, 14), ID3 = c(1,2,3,4,5), value = c(110, 120, 130, 140, 150))
test <- test %>%
  group_by(ID1, ID2, ID3) %>%
  summarise(value=sum(value))

所需输出测试 df:

ID1 ID2 ID3 value
1   11  1   110
2   NA  2   120
3   13  3   130
4   NA  4   140
5   14  5   150

但是我在数据中得到以下输出:

ID1 ID2 ID3 value
1   11  1   110
3   13  3   130
5   14  5   150

注意:在上面的示例代码中，结果是所需的输出。但在我自己的代码中，本质上是相同的，但有 9 个组 ID，输出排除了 1 个 ID 列具有 NA 值的行。

我不明白为什么会发生这种情况，我使用了 groupby 并在类似的上下文中进行总结，其中带有 NA 的行没有被排除。

作为一种廉价的解决方案；我已经解决了这个问题，首先用字符值“NA”填充 NA 值，这些值在 summarise() 替换回真实的 NA 值之后。但这个解决方案让我很困扰，有人可以帮助我吗？ 解决方案的示例代码:

df <- data.frame(ID1 = c(1,2,3,4,5), ID2 = c(11, NA, 13, NA, 14), ID3 = c(1,2,3,4,5), value = c(110, 120, 130, 140, 150))
test <- test %>%
  mutate(ID2 = ifelse(is.na(ID2), "NA", ID2)) %>%
  group_by(ID1, ID2, ID3) %>%
  summarise(value=sum(value)) %>% 
  mutate(ID2 = ifelse(ID2 == "NA", NA, ID2))

Answer 1

R/其大部分函数的默认行为是忽略 NA，NA 被视为没有意义。但是，就您的情况而言，NA 似乎确实包含一些信息，您希望保持 NA 不变。

在这种情况下，我建议将 ID 列强制为字符，然后将 NA 存储为字符串“NA”。

as.character.na <- function(x){
  
  Output <- as.character(x)
  Output[is.na(Output)] <- "NA"
  return(Output)
  
}

test <- df %>%
  mutate(ID1 = as.character.na(ID1), ID2 = as.character.na(ID2),
         ID3 = as.character.na(ID3)) %>%
  group_by(ID1, ID2, ID3) %>%
  summarise(value=sum(value))