如何在多列中保留最后一组完整的观测值？

Question

我有一个纵向数据集，并希望为数据集中的每个变量提取最新的，完整的观测值集合，其中id是唯一标识符，yr是年份，x1和x2是缺失的变量价值观。实际数据集在60年的过程中有100多个变量。

data <- data.frame(id=rep(1:3,3)
yr=rep(1:3,times=1, each=3)
x1=c(1,3,7,NA,NA,NA,9,4,10)
x2=c(NA,NA,NA,3,9,6,NA,NA,NA))

以下是我的预期结果。对于x1，最新的完整观测值是3年。对于x2，最新的完整观测值是2年。

Answer 1

这是一个tidyverse解决方案。首先，我创建数据框。

# Create data frame
df <- data.frame(id=rep(1:3,3),
                   yr=rep(1:3,times=1, each=3),
                   x1=c(1,3,7,NA,NA,NA,9,4,10),
                   x2=c(NA,NA,NA,3,9,6,NA,NA,NA))

接下来，我加载所需的库。

# Load library
library(dplyr)
library(tidyr)

然后，我从宽格式转到长格式，按yr和key（即变量名）分组，删除具有NA值的变量（即，保留那些< strong> all not NA），按key分组，保留最大年份中的那些数据，切换回宽格式，并安排制作打印的结果看起来很漂亮。

df %>% 
  gather("key", "val", x1, x2) %>% 
  group_by(yr, key) %>% 
  filter(all(!is.na(val))) %>% 
  group_by(key) %>% 
  filter(yr == max(yr)) %>% 
  spread(key, val) %>% 
  arrange(yr)
#> # A tibble: 6 x 4
#>      id    yr    x1    x2
#>   <int> <int> <dbl> <dbl>
#> 1     1     2    NA     3
#> 2     2     2    NA     9
#> 3     3     2    NA     6
#> 4     1     3     9    NA
#> 5     2     3     4    NA
#> 6     3     3    10    NA

^{由reprex package（v0.3.0）于2019-05-29创建}

Answer 2

使用base R

subset(data, yr %in% names(tail(which(sapply(split(data[c('x1', 'x2')], 
        data$yr), function(x) any(colSums(!is.na(x)) == nrow(x)))), 2)))