Question

我有一个数据框（面板数据）：Ctry列表示数据框中国家/地区的名称。在任何列（例如：Carx）中，如果NA的数量大于3;我想把相关国家放在我的数据名声中。例如，

国家A有2个NA
国家B有4个NA
国家/地区C有3 NA

我想在我的数据框中删除国家/地区。我有一个这样的数据框（这是为了说明，我的数据框实际上非常巨大）：

  Ctry  year   Carx
   A    2000    23
   A    2001    18
   A    2002    20
   A    2003    NA
   A    2004    24
   A    2005    18
   B    2000    NA
   B    2001    NA
   B    2002    NA
   B    2003    NA
   B    2004    18
   B    2005    16
   C    2000    NA
   C    2001    NA
   C    2002    24
   C    2003    21
   C    2004    NA
   C    2005    24

我想创建一个这样的数据框：

  Ctry  year   Carx
   A    2000    23
   A    2001    18
   A    2002    20
   A    2003    NA
   A    2004    24
   A    2005    18
   C    2000    NA
   C    2001    NA
   C    2002    24
   C    2003    21
   C    2004    NA
   C    2005    24

Answer 1

基础R中一种相当简单的方法是使用sum(is.na(.))和ave进行计数，如下所示：

with(mydf, ave(Carx, Ctry, FUN = function(x) sum(is.na(x))))
#  [1] 1 1 1 1 1 1 4 4 4 4 4 4 3 3 3 3 3 3

完成后，子集很容易：

mydf[with(mydf, ave(Carx, Ctry, FUN = function(x) sum(is.na(x)))) <= 3, ]
#    Ctry year Carx
# 1     A 2000   23
# 2     A 2001   18
# 3     A 2002   20
# 4     A 2003   NA
# 5     A 2004   24
# 6     A 2005   18
# 13    C 2000   NA
# 14    C 2001   NA
# 15    C 2002   24
# 16    C 2003   21
# 17    C 2004   NA
# 18    C 2005   24

Answer 2

您可以使用by()功能按Ctry分组，并计算每组的NA个：

DF <- read.csv(
text='Ctry,year,Carx
A,2000,23
A,2001,18
A,2002,20
A,2003,NA
A,2004,24
A,2005,18
B,2000,NA
B,2001,NA
B,2002,NA
B,2003,NA
B,2004,18
B,2005,16
C,2000,NA
C,2001,NA
C,2002,24
C,2003,21
C,2004,NA
C,2005,24',
stringsAsFactors=F)

res <- by(data=DF$Carx,INDICES=DF$Ctry,FUN=function(x)sum(is.na(x)))
validCtry <-names(res)[res <= 3]

DF[DF$Ctry %in% validCtry, ]

#   Ctry year Carx
#1     A 2000   23
#2     A 2001   18
#3     A 2002   20
#4     A 2003   NA
#5     A 2004   24
#6     A 2005   18
#13    C 2000   NA
#14    C 2001   NA
#15    C 2002   24
#16    C 2003   21
#17    C 2004   NA
#18    C 2005   24

编辑：

如果要检查更多列，可以按如下方式调整以前的代码：

res <- by(data=DF,INDICES=DF$Ctry,
          FUN=function(x){
                           return(sum(is.na(x$Carx)) <= 3 && 
                                  sum(is.na(x$Barx)) <= 3 && 
                                  sum(is.na(x$Tarx)) <= 3)
                         })
validCtry <- names(res)[res]

DF[DF$Ctry %in% validCtry, ]

当然，您可以根据需要更改FUN中的条件。

Answer 3

既然你提到你的数据“非常庞大”（无论这意味着什么），你可以尝试使用dplyr的解决方案，看看它是否比基础R中的解决方案更快。如果其他解决方案是足够快，只要忽略这个。

require(dplyr)

newdf <- df %.% group_by(Ctry) %.% filter(sum(is.na(Carx)) <= 3)

如果列中的NA数大于3，则删除数据帧行

3 个答案: