Question

我正在尝试找到最短的dplyr-purr组合。

我可以简化以下结合了select_if()和map_df()的语句吗？

training.set.imputed %>% 
  select_if(~sum(is.na(.))>0) %>% map_df(~sum(is.na(.)))

我尝试过：

training.set.imputed %>% 
  select_if(~sum(is.na(.))>0, .funs = ~sum(is.na(.)))

会引发此错误：

错误：nm必须为NULL或长度与x相同的字符向量

这是什么意思？有什么想法如何形成.funs术语？

Answer 1

.funs中的select_if参数需要一个重命名函数，而不是一个变异函数，因此您可以使用它来做类似的事情，但是不能变异变量值：

tibble(blah = 1:2, bleh = 3:4, bluh = c(NA, NA)) %>% 
    select_if(~ sum(is.na(.x)) > 0, .funs = toupper)

#### OUTPUT ####

# A tibble: 2 x 1
  BLUH 
  <lgl>
1 NA   
2 NA

如果您坚持使用purrr和dplyr的组合，那么这可能是您最好的选择（编辑：我刚刚注意到G. Grothendieck给出了这个答案，但是为了方便起见，我还是将其包括在内完整性。）：

df %>% 
    map_df(~ sum(is.na(.))) %>% 
    select_if(~ . > 0)

#### OUTPUT ####

# A tibble: 1 x 2
      b     d
  <int> <int>
1     4     1

但是，您可以仅使用dplyr的summarize_if来简化它：

df %>% 
    summarise_if(anyNA, ~ sum(is.na(.)))

#### OUTPUT ####

# A tibble: 1 x 2
      b     d
  <int> <int>
1     4     1

由于您实际上只是在列求和之后，所以基R可能会提供最简洁的选择：

colSums(is.na(df)) %>% 
    .[. > 0]

#### OUTPUT ####

b d 
4 1

数据

structure(list(a = c(2L, 2L, 5L, 10L, 10L, 18L, 18L, 19L, 11L, 
14L, 12L, 10L, 4L, 16L, 5L, 5L, 11L, 2L, 14L, 7L), b = c(10L, 
20L, 16L, NA, 6L, 1L, 11L, 12L, 12L, 12L, 8L, NA, NA, 8L, 11L, 
19L, 8L, 9L, NA, 19L), c = c(11L, 11L, 20L, 8L, 15L, 4L, 17L, 
4L, 4L, 11L, 20L, 11L, 6L, 12L, 17L, 7L, 14L, 18L, 15L, 19L), 
    d = c(19L, 16L, 17L, 14L, 8L, 19L, 7L, 6L, 6L, 13L, 7L, 19L, 
    11L, 17L, NA, 10L, 3L, 3L, 3L, 2L), e = c(12L, 17L, 14L, 
    5L, 8L, 19L, 8L, 3L, 17L, 1L, 2L, 6L, 5L, 17L, 14L, 5L, 8L, 
    2L, 8L, 2L)), row.names = c(NA, -20L), class = c("tbl_df", 
"tbl", "data.frame"))

Answer 2

我假设您希望每列中的NA数仅保留至少具有1个NA的列。

！）这样可以避免代码重复并且不会产生错误。首先计算每列中的NA数量，然后挑选出大于0的列。

# test input - BOD comes with R
BOD[1,2] <- NA

BOD %>%
  map_df(~ sum(is.na(.))) %>%
  select_if(~ . > 0)

给予：

# A tibble: 1 x 1
  demand
   <int>
1      1

2）这首先选择具有至少一个NA的那些列，然后找出这些列中具有相同结果的NA数量：

BOD %>%
  select_if(anyNA) %>%
  map_df(~ sum(is.na(.)))

如何在dplyr的select_if中使用purrr函数

2 个答案:

数据