我有一个包含产品原型测试数据的数据集。并非所有测试都在所有批次上运行,并且并非所有测试都使用相同的样本大小执行。为了说明,请考虑这种情况:
> test <- data.frame(name = rep(c("A", "B", "C"), each = 4),
var1 = rep(c(1:3, NA), 3),
var2 = 1:12,
var3 = c(rep(NA, 4), 1:8))
> test
name var1 var2 var3
1 A 1 1 NA
2 A 2 2 NA
3 A 3 3 NA
4 A NA 4 NA
5 B 1 5 1
6 B 2 6 2
7 B 3 7 3
8 B NA 8 4
9 C 1 9 5
10 C 2 10 6
11 C 3 11 7
12 C NA 12 8
在过去,我只需要处理错误匹配重复的情况,aggregate(cbind(var1, var2) ~ name, test, FUN = mean, na.action = na.omit)
(或默认设置)很容易。我会得到var1
的三个值和var2
的四个值的每个批次的平均值。
不幸的是,在这种情况下,这将使我的数据集完全丢失了批次A
:
aggregate(cbind(var1, var2, var3) ~ name, test, FUN = mean, na.action = na.omit)
name var1 var2 var3
1 B 2 6 2
2 C 2 10 6
但是,如果我使用na.pass
,我也得不到我想要的东西:
aggregate(cbind(var1, var2, var3) ~ name, test, FUN = mean, na.action = na.pass)
name var1 var2 var3
1 A NA 2.5 NA
2 B NA 6.5 2.5
3 C NA 10.5 6.5
现在我丢失了var1
中的好数据,因为它包含NA
的实例。
我想要的是:
NA
作为mean()
的输出,如果{em>所有 varN
〜name
的唯一组合为NA
s mean()
varN
的输出
我猜这很简单,但我不知道怎么做。我需要使用name
这样的东西吗?如果是这样......我倾向于避免它的原因是我最终写了ddply
这么长的等价物,如下所示:
aggregate()
是的......所以结果显然是我想要的。无论如何,我会留下这个问题,以防有{1}}或{2} ddply(test, .(name), summarise,
var1 = mean(var1, na.rm = T),
var2 = mean(var2, na.rm = T),
var3 = mean(var3, na.rm = T))
更短的语法。
答案 0 :(得分:17)
将 na.action=na.pass
和na.rm=TRUE
传递给aggregate
。前者告诉aggregate
不要删除存在NAs的行;后者告诉mean
忽略它们。
aggregate(cbind(var1, var2, var3) ~ name, test, mean,
na.action=na.pass, na.rm=TRUE)