Question

我正在寻找管道支持下面问题的解决方案。

我的数据如下：

tibble(
  column_set_1_1 = c(1, 2, 3), column_set_1_2 = c(2, 3, NA), column_set_1_3 = c(3, NA, NA),
  column_set_2_1 = c(1, 2, 3), column_set_2_2 = c(4, 5, 6), column_set_2_3 = c(7, 8, 9), 
  column_set_2_4 = c(10, 11, NA), column_set_2_5 = c(13, NA, NA), column_set_2_6 = c(NA, NA, NA)
)

# A tibble: 3 × 9
  column_set_1_1 column_set_1_2 column_set_1_3 column_set_2_1 column_set_2_2 column_set_2_3 column_set_2_4 column_set_2_5 column_set_2_6
           <dbl>          <dbl>          <dbl>          <dbl>          <dbl>          <dbl>          <dbl>          <dbl>          <lgl>
1              1              2              3              1              4              7             10             13             NA
2              2              3             NA              2              5              8             11             NA             NA
3              3             NA             NA              3              6              9             NA             NA             NA

我基本上希望按列集获取最后一个非NA值。所以，预期的输出是：

tibble(
  column_set_1 = c(3, 3, 3), 
  column_set_2 = c(13, 11, 9)
)

# A tibble: 3 × 2
  column_set_1 column_set_2
         <dbl>        <dbl>
1            3           13
2            3           11
3            3            9

Answer 1

这是tidyverse方法，不重新整形原始数据框，但按列名称模式将其拆分为组，并使用coalesce函数获取每个子数据框中的最后一个非NA值：

library(tidyverse)
df_foo %>% 
      mutate_all(as.numeric) %>% 
      split.default(f = sub("_\\d+$", "", names(.))) %>% 
      map_df(~do.call(coalesce, setNames(rev(.), NULL)))

# A tibble: 3 × 2
#  column_set_1 column_set_2
#         <dbl>        <dbl>
#1            3           13
#2            3           11
#3            3            9

Answer 2

以下是使用tidyverse工具的解决方案：

library(dplyr)
library(tidyr)
library(stringr)
library(tibble)

get_last_nonNA <- function(vec) {
  return(last(vec[!is.na(vec)]))
}

convert_table_last_nonNA <- . %>%
  rownames_to_column() %>%
  gather(key=column_type, value=value, -rowname) %>%
  mutate(column_set=str_extract(string=column_type,
                                pattern="[0-9]+")) %>%
  group_by(column_set, rowname) %>%
  summarise(last_nonNA_value=get_last_nonNA(value)) %>%
  spread(key=column_set, value=last_nonNA_value) %>%
  select(-rowname) %>%
  select(colnames(.) %>% as.integer() %>% order()) %>%
  "colnames<-"(paste0("column_set_", colnames(.)))
# Usage
data_tbl <- tibble(
  column_set_1_1 = c(1, 2, 3), column_set_1_2 = c(2, 3, NA),
  column_set_1_3 = c(3, NA, NA), column_set_2_1 = c(1, 2, 3),
  column_set_2_2 = c(4, 5, 6), column_set_2_3 = c(7, 8, 9), 
  column_set_2_4 = c(10, 11, NA), column_set_2_5 = c(13, NA, NA),
  column_set_2_6 = c(NA, NA, NA)
)

convert_table_last_nonNA(data_tbl)

# # A tibble: 3 × 2
#   column_set_1 column_set_2
# *        <dbl>        <dbl>
# 1            3           13
# 2            3           11
# 3            3            9

它的作用，一步一步：

使用convert_table_last_nonNA <- . %>%;
使用rownames_to_column()将行名称添加到单独的列，以获取每行提取最后一次非NA数据的信息;
使用gather(key=column_type, value=value, -rowname)将输入表格转换为长格式：行现在代表关键列（rowname和column_type）和值（value）的组合;
通过正则表达式魔术计算列的集合编号（从column_type字符串中提取第一个数字）并将其存储在单独的列column_set中。这是通过mutate(column_set=str_extract(string=column_type, pattern="[0-9]+"));
使用group_by(column_set, rowname) %>% summarise(last_nonNA_value=get_last_nonNA(value))以所需方式汇总数据。这是＆＃34;对于column_set和rowname的每个组合，给出value的最后一个nonNA值（通过get_last_nonNA调用）并将其存储在{{1}列中}＆＃34 ;. 注意：如果last_nonNA_value和NA的某些组合只有column_set，则结果将为NA;
使用rowname以宽格式转换表格。现在，spread(key=column_set, value=last_nonNA_value)中的每个项目都有一列，其值为column_set s;
删除列last_nonNA_value，因为不再需要它;
按照增加column_set的数量的顺序对列进行重新排序。这是必要的，因为如果原始数据中有超过9个列集，则会对排序列产生一些混淆（列rowname将直接放在column_set_10之后）。这是通过column_set_1;
使用select(colnames(.) %>% as.integer() %>% order())

column_set_

Answer 3

这是我提出的一个与管道配合使用的解决方案：

df_foo %>% 
  gather(key = Key, value = Value, -ID) %>% 
  mutate(set = str_extract(Key, "column_set_[0-9]")) %>% 
  mutate(number = str_extract(Key, "(?<=column_set_[0-9]_)[0-9]+")) %>% 
  group_by(ID, set) %>% 
  dplyr::filter(!is.na(Value)) %>%
  arrange(number) %>% 
  slice(n()) %>% 
  select(-number, -Key) %>% 
  spread(key = set, value = Value)

我不喜欢我必须arrange然后slice排在最后一排的事实 - 对我来说似乎不优雅。欢迎任何改进。

R：列集中的最后一个非NA值

3 个答案: