Question

我有一个包含三列的数据集：年份，城市，价值，如下所示：

year = c(2010, 2013, 2010, 2013, 2013)
city = c("Berlin","Berlin", "Munich", "Munich", "Frankfurt")
value = c(1234, NA, NA, 6372, NA)
data <- data.frame(year, value1, value2)

 year    city    value
1 2010    Berlin   1234
2 2013    Berlin     NA
3 2010    Munich     NA
4 2013    Munich   6372
5 2013 Frankfurt     NA

我想知道如何对此进行子集化，以便我只保留最新的可用数据，以便最后我留下这样的数据：

 year    city    value
1 2010    Berlin   1234
2 2013    Munich   6372
3 2013 Frankfurt     NA

如果我是最高年份的子集，我会获得那些年份没有数据的NAs。如果我在!is.na()上进行了子集，则会丢失所有仅 NA可用的行。

我想要具体做的是获得具有数据的特定城市的最高年份，除非该城市只有NA，然后是NA的最高年份。我该怎么做呢？

Answer 1

我们可以使用data.table。转换＆＃39; data.frame＆＃39;到＆＃39; data.table＆＃39; （setDT(data)），按城市＆＃39;分组，我们指定＆＃39; i＆＃39;作为＆＃39;年＆＃39;在降序order索引中，if有any非NA＆＃39;值＆＃39;，我们将＆＃39; Data.table＆＃39;基于第一个非NA值的索引＆＃39;或else返回Data.table的子集。

library(data.table)
setDT(data)[order(-year), if(any(!is.na(value)))  
            .SD[which(!is.na(value))[1L]] else .SD, by = city]

@David Arenburg的紧凑选项，我们从which.max得到索引

setDT(data)[order(-year), .SD[which.max(!is.na(value))], by = city]

或使用.I进行修改以加快速度

setDT(data)[data[order(-year), .I[which.max(!is.na(value))], by = city]$V1]

Answer 2

使用stdafx.h: No such file or directory Windows.h: No such file or directory的更详细，更迂回的方法。它也适用于您有多年dplyr的情况。

NA

Answer 3

max_pos(x)返回x的最后一个非NA元素的x中的位置，或者如果没有非NA元素，则返回x的最后一个位置。 is_max返回逻辑，该逻辑在最大位置为TRUE，在其他位置为FALSE。请注意，ave会将其结果强制转换为其第一个参数的类型，因此我们使用!!将其转回逻辑。最后，我们将这些元素进行子集化。这假设输入按城市内的年份排序，就像问题中的情况一样。

请注意max_pos使用以下事实变得紧凑：

在seq_along(x) * 0*x中，0*x是零和NA的向量，因此将其添加到seq_along(x)的相应元素中。也就是说，它给出与replace(seq_along(x), is.na(x), NA)相同的结果，可以在其位置使用。

which.max

x

c(arg1, arg2)[1]

if (length(arg1) == 0) arg2 else arg1

没有使用任何包。

max_pos <- function(x) c(which.max(seq_along(x) + 0*x), length(x))[1]
is_max <- function(x) seq_along(x) == max_pos(x)
subset(data, !!ave(value, city, FUN = is_max))

，并提供：

  year      city value
1 2010    Berlin  1234
4 2013    Munich  6372
5 2013 Frankfurt    NA

R - 保留非NA的最新数据，除非只有NA可用

3 个答案: