Question

很抱歉打扰一个相对简单的问题。我有这种类型的数据框：

“ NAME”列c（a，b，c，d，e ...）中的一长串名称，“ SURNAME”列c（A，B）中的两个潜在类，第三列包含价值观。我要删除所有至少在一个SURNAME类中在VALUE列中具有超过2个“ NA”的名称。我想发布一个示例数据集，但我正在努力对其进行正确格式化

我正在尝试使用

  df <- df %>% 
  group_by(NAME) %>% 
  group_by(SURNAME) %>% 
  filter(!is.na(VALUE)) %>% 
  filter(length(VALUE)>=3)

它不会引发错误，但是我有错误的印象。有什么建议吗？非常感谢

Answer 1

按“ NAME”，“ SURNAME”分组后，创建一个列，该列中该组中有NA个元素，然后在filter个“ NAME”中{ ind'大于或等于3

any

或者根据条件通过“ NAME”，“ SURNAME”进行df %>% group_by(NAME, SURNAME) %>% mutate(ind = sum(is.na(VALUE))) %>% group_by(NAME) %>% filter(!any(ind >=3)) %>% select(-ind)操作后进行anti_join

filter

数据

df %>% 
   group_by(NAME, SURNAME) %>% 
   filter(sum(is.na(VALUE))>=3) %>% 
   ungroup %>% 
   distinct(NAME)  %>%
   anti_join(df, .)

Answer 2

让我们创建一个数据集以供使用：

set.seed(1234)
df <- data.frame(
    name     = sample(x=letters,       size=1e3, replace=TRUE),
    surname  = sample(x=c("A", "B"),   size=1e3, replace=TRUE),
    value    = sample(x=c(1:10*10,NA), size=1e3, replace=TRUE),
    stringsAsFactors = FALSE
)

以下是使用Base R的方法：

# count NAs by name-surname combos (na.action arg is important!)
agg <- aggregate(value ~ name + surname, data=df, FUN=function(x) sum(is.na(x)), na.action=NULL)

# rename is count of NAs column
names(agg)[3] <- "number_of_na"

#add count of NAs back to original data
df <- merge(df, agg, by=c("name", "surname"))

# subset the original data
result <- df[df$number_of_na < 3, ]

这是使用data.table的方法：

library(data.table)
dt <- as.data.table(df)

dt[ , number_of_na := sum(is.na(value)), by=.(name, surname)]
result <- dt[number_of_na < 3]

以下是使用dplr / tidyverse的方法：

library(dplyr) # or library(tidyverse)
result <- df %>% 
    group_by(name, surname) %>% 
    summarize(number_of_na = sum(is.na(value))) %>% 
    right_join(df, by=c("name", "surname")) %>% 
    filter(number_of_na < 3)

删除具有特定NA编号的组

2 个答案:

数据