Question

这是this earlier question的扩展。如何将数据框的两列组合为

data <- data.frame('a' = c('A','B','C','D','E'),
                   'x' = c("t",2,NA,NA,NA),
                   'y' = c(NA,NA,NA,4,"r"))

显示为

'a' 'x' 'y'  
 A   t   NA  
 B   2   NA  
 C  NA   NA  
 D  NA   4  
 E  NA   r

获取

 'a' 'mycol'  
  A   t  
  B   2  
  C   NA  
  D   4  
  E   r

我试过这个

cbind(data[1], mycol = na.omit(unlist(data[-1])))

但它显然没有保留NA行。

Answer 1

您可以使用ifelse来完成此操作：

data$mycol <- ifelse(!is.na(data$x), data$x, data$y)

> data

##   a  x  y mycol
## 1 A  1 NA     1
## 2 B  2 NA     2
## 3 C NA NA    NA
## 4 D NA  4     4
## 5 E NA  5     5

Answer 2

按照你的逻辑，你可以做到：

cbind(data[1], mycol = unlist(apply(data[2:3], 1, function(i) ifelse(
  length(is.na(i))==length(i),
  na.omit(i),
  NA)
)))

#  a mycol
#1 A     1
#2 B     2
#3 C    NA
#4 D     4
#5 E     5

Answer 3

这已经间接地解决了here。这是一个基于此的简单解决方案：

data$mycol <- coalesce(data$x, data$y)

Answer 4

将答案扩展到任意数量的列，并使用我发现的整齐max.col()函数，这要归功于这个问题：

coalesce <- function(value_matrix) {
  value_matrix <- as.matrix(value_matrix)
  first_non_missing <- max.col(!is.na(value_matrix), ties.method = "first")
  indices <- cbind(
    row = seq_len(nrow(value_matrix)),
    col = first_non_missing
  )
  value_matrix[indices]
}

data$mycol <- coalesce(data[, c('x', 'y')])
data
#   a  x  y mycol
# 1 A  1 NA     1
# 2 B  2 NA     2
# 3 C NA NA    NA
# 4 D NA  4     4
# 5 E NA  5     5

max.col(..., ties.method = "first")为每一行返回具有最大值的第一列的索引。由于我们在逻辑矩阵上使用它，因此最大值通常是TRUE。因此，我们将获得每行的第一个非NA值。如果整行是NA，那么我们会根据需要获得NA值。

之后，该函数使用行列索引矩阵来对值进行子集化。

修改

与mrip's coalesce相比，我的max.col在有一些长列时速度较慢，但在有很多短列时速度较快。

coalesce_reduce <- function(...) { Reduce(function(x, y) { i <- which(is.na(x)) x[i] <- y[i] x}, list(...)) } coalesce_maxcol <- function(...) { value_matrix <- cbind(...) first_non_missing <- max.col(!is.na(value_matrix), ties.method = "first") indices <- cbind( row = seq_len(nrow(value_matrix)), col = first_non_missing ) value_matrix[indices] } set.seed(100) wide <- replicate( 1000, {sample(c(NA, 1:10), 10, replace = TRUE)}, simplify = FALSE ) long <- replicate( 10, {sample(c(NA, 1:10), 1000, replace = TRUE)}, simplify = FALSE ) microbenchmark( do.call(coalesce_reduce, wide), do.call(coalesce_maxcol, wide), do.call(coalesce_reduce, long), do.call(coalesce_maxcol, long) ) # Unit: microseconds # expr min lq mean median uq max neval # do.call(coalesce_reduce, wide) 1879.460 1953.5695 2136.09954 2007.303 2152.654 5284.583 100 # do.call(coalesce_maxcol, wide) 403.604 423.5280 490.40797 433.641 456.583 2543.580 100 # do.call(coalesce_reduce, long) 36.829 41.5085 45.75875 43.471 46.942 79.393 100 # do.call(coalesce_maxcol, long) 80.903 88.1475 175.79337 92.374 101.581 3438.329 100

如何将数据框的两列与缺失数据相结合？

4 个答案: