Question

我正在寻找确定数据框各列中缺失值的比率，该比例除以该数据框中的各个组。

我对R很陌生，所以到目前为止我还没有取得太大的成功。这是一个示例数据集，用于对其进行测试：

df <- data.frame(
  programme = c('A','B','B','A','B','C','C','C','C','A'),
  v1 = c(24,NA,NA,45,NA,23,22,23,45,23),
  v2 = c(NA,1,1,NA,0,1,1,1,1,NA),
  v3 = c(2,3,2,3,2,NA,NA,NA,NA,2))

我考虑过按组拆分数据帧，然后为每列应用一个函数，但这似乎不起作用

per_missing <- data.frame()
df %>%
  group_by(programme)
  per_missing <- apply(df, 2, function(col)sum(is.na(col))/length(col))

理想情况下，该信息将被写入一个新的数据框中，其中为每个组列出了每一列的缺失率值。看起来像这样：

res <- data.frame(
  variables = c('v1','v2','v3'),
  A = c(0.0, 1, 0.0),
  B = c(1, 0.0, 0.0),
  C = c(0.0, 0.0, 1)
)

  variables A B C
1        v1 0 1 0
2        v2 1 0 0
3        v3 0 0 1

在此先感谢您的帮助！

Answer 1

按“程序”分组，在其他列中将mean个NA元素，gather设为“长”格式，spread回到“宽”格式

library(tidyverse)
df %>% 
  group_by(programme) %>%
  summarise_all(funs(mean(is.na(.)))) %>% 
  gather(variables, val, -programme) %>% 
  spread(programme, val)
# A tibble: 3 x 4
#   variables     A     B     C
#   <chr>     <int> <int> <int>
#1 v1            0     1     0
#2 v2            1     0     0
#3 v3            0     0     1

有没有一种方法可以计算出数据帧各列中NA的百分比，但将df分为不同的组？

1 个答案: