Question

给定具有缺失值的数据，插补是将缺失值替换为某些值的过程。目标是忽略具有缺失值的行，用NA表示。这样的行可以看作是数据的一个组成部分，因此该过程称为项目插补。

输入

df1 <- data.frame(ID=c(1,2,5,6),V1=c(7,77,777,NA))
df2 <- data.frame(ID=c(1,3,5,6),V2=c(6,66,666,6666))
df3 <- data.frame(ID=c(1,3,5,6),V3=c(9,NA,999,9999))

或者以CSV格式，其中错误值用NA标记

data.csv      data2.csv        data3.csv

ID V1         ID V2            ID V3
1  7          1  6             1  9
2  77         2  NA            2  NA
3  NA         3  66            3  NA
4  NA         4  NA            4  NA
5  777        5  666           5  999
6  NA         6  6666          6  9999

输出

预期结果是

ID V1   V2   V3
1  7    6    9
5  777  666  999

我们只想要没有任何NA值的行。

如何将输入数据与列V1，V2，V3和一行中没有NA的公共列ID合并？

使用SQLDF合并具有公共ID且无NA的列的示例解决方案

library(sqldf)
# Read in the data: with CSV, you can use read.csv or fread from data.table
df1 <- data.frame(ID=c(1,2,5,6),V1=c(7,77,777,NA))
df2 <- data.frame(ID=c(1,3,5,6),V2=c(6,66,666,6666))
df3 <- data.frame(ID=c(1,3,5,6),V3=c(9,NA,999,9999))
#
sqldf("SELECT a.ID, a.V1, b.V2, c.V3 FROM df1 a, df2 b, df3 c WHERE a.ID=b.ID AND b.ID=c.ID AND V1!='NA'")

导致

   ID   V1  V2  V3
1   1    7   6   9
2   5  777 666 999

Answer 1

这是一个基于R的唯一版本，它不关心有多少合并。假设数据帧在列表l中 - 请参阅编辑Q以获取该格式的示例数据：

for(i in seq_along(l[-1])) {
    if(i == 1) {
        m <- merge(l[[i]], l[[i+1]])
    } else {
        m <- merge(m, l[[i+1]])
    }
}
m <- m[!apply(is.na(m), 1, any), ]

给出了所需的输出

> m
  ID  V1  V2  V3
1  1   7   6   9
2  5 777 666 999

要读取数据，这样的事情应该起作用

l <- lapply(list.files(pattern = glob2rx("data*.csv")), read.table, 
            header = TRUE)

或者它们是否真的是CSV

l <- lapply(list.files(pattern = glob2rx("data*.csv")), read.csv)

然后您可以使用上面的代码来处理。

Answer 2

出于对这个问题中精细展示的ha句艺术形式的尊重，我将提供以下答案/猜测：

library(reshape)
dats <- lapply( dir(), read.csv )
mgd <- merge_recurse( dats, by="ID" )
na.sel <- apply( mgd, 1, function(x) any(is.na(x)) )
mgd <- mgd[!na.sel,]

请注意，这假设您确实需要ID == 1。

感谢@Joris提供的merge_recurse小费。

R：用任何行上没有任何NA的公共ID合并列？

如何将输入数据与列V1，V2，V3和一行中没有NA的公共列ID合并？

2 个答案: