Question

我有一个data.table，其中包含许多缺失值，我想要一个变量，它为每组中的第一个非missin值提供1。

说我有这样的数据。表：

library(data.table)
DT <- data.table(iris)[,.(Petal.Width,Species)]
DT[c(1:10,15,45:50,51:70,101:134),Petal.Width:=NA]

现在在开头，结尾和中间都有缺失。我试过两个版本，一个是：

DT[min(which(!is.na(Petal.Width))),first_available:=1,by=Species]

但它只找到全局最小值（在这种情况下，setosa得到正确的1），而不是组的最小值。我认为情况就是这样，因为data.table第一个子集由i组成，然后按组排序，是否正确？因此它只适用于which(!is.na(Petal.Width))的全局最小值的行，这是第一个非NA值。

第二次尝试使用j：

进行测试

DT[,first_available:= ifelse(min(which(!is.na(Petal.Width))),1,0),by=Species]

只返回一列1s。在这里，我没有很好的解释为什么它不起作用。

我的目标是：

DT[,first_available:=0]
DT[c(11,71,135),first_available:=1]

但实际上我有数百个小组。任何帮助将不胜感激！

编辑：this问题确实接近但不是针对NA的，如果我理解正确的话，并不能解决问题。我试过了：

DT <- data.table(DT, key = c('Species'))
DT[unique(DT[,key(DT), with = FALSE]), mult = 'first']

Answer 1

这是一种方式：

DT[!is.na(Petal.Width), first := as.integer(seq_len(.N) == 1L), by = Species]

Answer 2

我们可以尝试

DT[DT[, .I[which.max(!is.na(Petal.Width))] , Species]$V1, 
     first_available := 1][is.na(first_available), first_available := 0]

或者稍微紧凑的选项是

DT[, first_available := as.integer(1:nrow(DT) %in% 
      DT[, .I[!is.na(Petal.Width)][1L], by = Species]$V1)][]

Answer 3

  > DT[!is.na(DT$Petal.Width) & DT$first_available == 1]
  #      Petal.Width    Species first_available
  #   1:         0.2     setosa               1
  #   2:         1.8 versicolor               1
  #   3:         1.4  virginica               1

  > rownames(DT)[!is.na(DT$Petal.Width) & DT$first_available == 1]
  # [1] "11"  "71"  "135"

  > rownames(DT)[!is.na(DT$Petal.Width) & DT$first_available == 0]
  # [1] "12"  "13"  "14"  "16"  "17"  "18"  "19"  "20"  "21"  "22"  "23"  "24" 
  # [13] "25"  "26"  "27"  "28"  "29"  "30"  "31"  "32"  "33"  "34"  "35"  "36" 
  # [25] "37"  "38"  "39"  "40"  "41"  "42"  "43"  "44"  "72"  "73"  "74"  "75" 
  # [37] "76"  "77"  "78"  "79"  "80"  "81"  "82"  "83"  "84"  "85"  "86"  "87" 
  # [49] "88"  "89"  "90"  "91"  "92"  "93"  "94"  "95"  "96"  "97"  "98"  "99" 
  # [61] "100" "136" "137" "138" "139" "140" "141" "142" "143" "144" "145" "146"
  # [73] "147" "148" "149" "150"

R：按组

3 个答案: