Question

我有一个简单的数据框：

ID    Col1    Col2    Col3    Col4
1     NA      NA      NA      NA  
1     5       10      NA      NA
1     NA      NA      15      20
2     NA      NA      NA      NA  
2     25      30      NA      NA
2     NA      NA      35      40

我想重新格式化：

ID    Col1    Col2    Col3    Col4
1     5       10      15      20
2     25      30      35      40

（请注意：真实数据集有数千行，值来自生物数据 - NA不遵循简单模式，除了NA s是不相交的，是的每个ID只有3行。

第一步：删除只有NA个值的行。

表面上看起来很简单，但我遇到了一些问题。

complete.cases(DF)会返回所有FALSE，因此我无法使用此功能删除所有NA的行，如DF[complete.cases(DF),]中所示。这是因为所有行都包含至少一个NA。

由于NA想要自己传播，因此使用is.na的其他方案由于同样的原因而失败。

第二步：将剩下的两行折叠成一行。

考虑使用像aggregate之类的东西来解决这个问题，但必须有一个比this更简单的方法，这根本不起作用。

感谢您的任何建议。

Answer 1

这是一种数据表方法，在列中使用na.omit()，按ID分组。

library(data.table)
setDT(df)[, lapply(.SD, na.omit), by = ID]
#    ID Col1 Col2 Col3 Col4
# 1:  1    5   10   15   20
# 2:  2   25   30   35   40

Answer 2

尝试

library(dplyr)
DF %>% group_by(ID) %>% summarise_each(funs(sum(., na.rm = TRUE)))

修改：要考虑一列中某个NAs的所有ID的情况，我们需要sum_NA()函数返回{{1}如果所有都是NA

NAs

Answer 3

以下是几次合计尝试：

aggregate(. ~ ID, data=dat, FUN=na.omit, na.action="na.pass")
#  ID Col1 Col2 Col3 Col4
#1  1    5   10   15   20
#2  2   25   30   35   40

由于aggregate的公式接口默认在进行任何分组之前对整个数据使用na.omit，因此它会删除dat的每一行，因为它们都包含至少一个NA 1}}价值。试一试：nrow(na.omit(dat))返回0。因此，在这种情况下，请使用na.pass中的aggregate，然后使用na.omit来跳过通过的NA。

或者，不要使用公式界面并指定要手动聚合的列：

aggregate(dat[-1], dat[1], FUN=na.omit )
aggregate(dat[c("Col1","Col2","Col3","Col4")], dat["ID"], FUN=na.omit)
#  ID Col1 Col2 Col3 Col4
#1  1    5   10   15   20
#2  2   25   30   35   40

Answer 4

简单的方法是：

as.data.frame(lapply(myData[,c('Col1','Col2','Col3','Col4')],function(x)[!is.na(x)]))

但是如果不是所有列都具有相同数量的非NA值，那么您需要像这样修剪它们：

temp  <-  lapply(myData[,c('Col1','Col2','Col3','Col4')],function(x)x[!is.na(x)])
len  <-  min(sapply(temp,length))
as.data.frame(lapply(temp,`[`,seq(len)))

Answer 5

自dplyr 1.0.0起，您也可以（使用@Khashaa提供的数据）：

df %>% 
 group_by(ID) %>%
 summarize(across(everything(), ~ first(na.omit(.))))

     ID  Col1  Col2  Col3  Col4
  <int> <int> <int> <int> <int>
1     1     5    10    15    20
2     2    NA    30    35    40

折叠行，其中一些都是NA，其他与一些NA不相交

5 个答案: