Question

我的数据框（df1）包含四个变量a，b，c和d。

我想获得数据框中每个变量的完整性（!is.na(x)）。我希望输出格式为长格式（df2）。

问题在于我无法使nrow()部分代码工作（因此我不知道它是否全局工作）。或者有一种dplyr + tidyr的做法吗？

非常感谢任何帮助。

起点（df1）：

df1 <- data.frame(a=c(1,2,3,NA),b=c(1,2,NA,NA),c=c(1,2,3,4),d=c(NA,NA,NA,NA),stringsAsFactors = TRUE)

当前代码：

sapply(df1, function(x) sum(!is.na(df1$x)) / nrow(df1$x))

期望的结果（df2）：

df2 <- data.frame(nameofvar=c("a","b","c","d"),completeness=c(75,50,100,0))

Answer 1

如果您希望答案是长格式，请按以下步骤操作：

df2 = df1 %>%
    gather(NameOfVar, Value) %>%
    group_by(NameOfVar) %>%
    summarize(Completeness = mean(! is.na(Value)) * 100)

至于你的（基本R）代码无效的原因：

当sapply在data.frame上时，函数的参数（x）就是列数据本身。因此，您需要使用df1$x而不是x，而不是nrow，而不是length，因为现在需要使用x，因为每列都是$ x是向量。

_{¹此外，df1$x - 使用变量进行子集化从不起作用，
因此，即使df1[[x]]是列名/索引，<localRepository>{your-new-path}</localRepository>也无法正常工作。您必须改为使用{{1}}。}

Answer 2

尝试purrr的{{1}}个包裹。

tidyverse

Answer 3

data.table

dt1 <- as.data.table(df1)
dt1[, sapply(.SD, function(x) {sum(!is.na(x)) / .N}), .SD = names(dt1)]

Answer 4

或者非常简单地使用基础R：

colSums(!is.na(df1))/ ncol(df1) * 100

Answer 5

仅使用dplyr包：

library(dplyr)

df1 <- data.frame(a=c(1,2,3,NA),
                  b=c(1,2,NA,NA),
                  c=c(1,2,3,4),
                  d=c(NA,NA,NA,NA),
                  stringsAsFactors = TRUE)

# get percentage of non NA values
df1 %>% summarise_all(function(x) mean(! is.na(x)))

#      a   b c d
# 1 0.75 0.5 1 0

计算数据帧中变量的完整/未缺失值的分数，以便以长格式输出

5 个答案: