编辑:输入
对此非常陌生。
我有一个与此类似的问题: group by and then count missing variables?
从该问题中获取输入数据:
df1 <- data.frame(
Z = sample(LETTERS[1:5], size = 10000, replace = T),
X1 = sample(c(1:10,NA), 10000, replace = T),
X2 = sample(c(1:25,NA), 10000, replace = T),
X3 = sample(c(1:5,NA), 10000, replace = T))
根据一个用户的建议,可以使用summarise_each
:
df1 %>%
group_by(Z) %>%
summarise_each(funs(sum(is.na(.))))
#Source: local data frame [5 x 4]
#
# Z X1 X2 X3
# (fctr) (int) (int) (int)
#1 A 169 77 334
#2 B 170 77 316
#3 C 159 78 348
#4 D 181 79 326
#5 E 174 69 341
但是,我只想获取每个组中缺失值的总数。
我也尝试过这种方法,但是没有用:R count NA by group
理想情况下,它应该给我类似的东西
# Z sumNA
# (fctr) (int)
#1 A 580
#2 B 493
#3 C 585
#4 D 586
#5 E 584
谢谢。
答案 0 :(得分:1)
如果您的数据看起来像链接的帖子:
df1 <- data.frame(
Z = as.factor(sample(LETTERS[1:5], size = 10000, replace = T)),
X1 = sample(c(1:10,NA), 10000, replace = T),
X2 = sample(c(1:25,NA), 10000, replace = T),
X3 = sample(c(1:5,NA), 10000, replace = T)
)
您可以在基本R中执行以下操作:
res <- sapply(split(df1[-1], f = df1$Z), function(x) colSums(is.na(x)))
print(res)
# A B C D E
#X1 193 180 199 170 183
#X2 74 68 79 90 87
#X3 350 349 340 336 328
如果您绝对需要转调,可以致电t(res)
:
print(t(res))
# X1 X2 X3
#A 193 74 350
#B 180 68 349
#C 199 79 340
#D 170 90 336
#E 183 87 328
编辑:如果您想要所有NA的总和而不是在每个变量中,请对上述作品进行以下小修改:
res2 <- sapply(split(df1[-1], f = df1$Z), function(x) sum(is.na(x)))
print(res2)
# A B C D E
#589 588 569 646 598
或者,colSums(res)
也会给你同样的效果。同样,如果需要,请t()
作为列。
答案 1 :(得分:0)
您可以使用tidyverse
方法。
require(tidyverse)
#Sample data
dat <- data.frame(group = rep(c("a", "b", "c", "d", "g"), 3),
y = rep(c(1, NA, 2, NA, 3), 3))
dat %>%
group_by(group) %>%
summarise(sumNA = sum(is.na(y)))
输出:
group sumNA
<fct> <int>
1 a 0
2 b 3
3 c 0
4 d 3
5 g 0
但是,如果您有多个列,则可以使用summarize_all
(如果要指定列,则可以使用summarize_at
;谢谢@ bschneidr的评论):
#Sample data
set.seed(123)
dat <- data.frame(group = sample(letters[1:4], 10, replace = T),
x = sample(c(1,NA), 10, replace = T),
y = sample(c(1,NA), 10, replace = T),
z = sample(c(1, NA), 10, replace = T))
dat %>%
group_by(group) %>%
summarize_all(.funs = funs('NA' = sum(is.na(.))))
# A tibble: 4 x 4
group x_NA y_NA z_NA
<fct> <int> <int> <int>
1 a 1 1 0
2 b 3 2 2
3 c 0 1 1
4 d 1 4 2
答案 2 :(得分:0)
data.table
解决方案
library(data.table)
setDT(df1)
df1[, .(sumNA = sum(is.na(.SD))), by = Z]
# Z sumNA
# 1: A 559
# 2: C 661
# 3: E 596
# 4: B 597
# 5: D 560
dplyr
解决方案,使用rowSums(.[-1])
,即除第一列外的所有列的行总和。
library(dplyr)
df1 %>%
group_by(Z) %>%
summarise_all(~sum(is.na(.))) %>%
transmute(Z, sumNA = rowSums(.[-1]))
# # A tibble: 5 x 2
# Z sumNA
# <fct> <dbl>
# 1 A 559
# 2 B 597
# 3 C 661
# 4 D 560
# 5 E 596