Question

假设我有数据框：

 dfTest <- data.frame(year = c(1,2,3,1,3), 
               meanVal = c(1,2,3,1,3),
               var1 = c(1,2,3,1,3),
               var2 = c(NA,2,NA,1,3),
               var3 = c(1,NA,NA,1,3))


 > dfTest
    year meanVal var1 var2 var3
 1    1       1    1   NA    1
 2    2       2    2    2   NA
 3    3       3    3   NA   NA
 4    1       1    1    1    1
 5    3       3    3    3    3

我需要什么：

> dfTest
   year meanVal var1 var2 var3
1    1       1    1    1    1
2    2       2    2    2   NA
3    3       3    3    3    3

为此，行需要按年折叠。如果某列有NA，则应将其替换为该列中的值。也就是说，第1年（1）的var1只有1个值。但是，var1列中的某些行可能具有NA。此外，如果像第2年var 3所示的列只有一个NA，则NA必须保留。

Answer 1

在基数R中，可以使用split/lapply完成。

res <- lapply(split(dfTest, dfTest$year), function(DF){
  c(year = unique(DF[["year"]]),
    meanVal = unique(DF[["meanVal"]]),
    colMeans(DF[3:5], na.rm = TRUE)
    )
})
res <- do.call(rbind, res)
is.na(res) <- is.nan(res)

res
#  year meanVal var1 var2 var3
#1    1       1    1    1    1
#2    2       2    2    2   NA
#3    3       3    3    3    3

Answer 2

我们也可以使用aggregate中的base R进行此操作。创建一个函数来照顾每个组只有一行（或具有all NA的多行）并且这是一个缺失值的情况。与mean配合使用时，NaN的默认方法返回na.rm = TRUE

aggregate(.~ year, dfTest, mean, na.rm = TRUE, na.action = NULL)

为避免获取NaN，请创建函数（f1），该函数检查每个组中特定列的all元素是否为NA。使用if/else，我们可以针对这些情况返回NA。

f1 <- function(x) if(all(is.na(x))) NA else mean(x, na.rm = TRUE)
aggregate(.~ year, dfTest, f1, na.action = NULL)
#  year meanVal var1 var2 var3
#1    1       1    1    1    1
#2    2       2    2    2   NA
#3    3       3    3    3    3

按年份汇总数据，并且仅当该年度列中的值时才覆盖行中的NA

2 个答案: