R GROUP BY，计算非NA值 [英] R group by, counting non-NA values

问题描述

我有一个数据帧，其NA的散布

toy_df
# Y  X1 X2 Label
# 5  3  3  A
# 3  NA 2  B
# 3  NA NA C
# 2  NA 6  B

我要按标签字段对其进行分组，并计算每个标签的每个变量中有多少个非NA值。

desired output:
# Label Y  X1 X2
# A     1  1  1
# B     2  0  2
# C     1  0  0

我目前已经使用循环完成了这项工作，但它很慢且不整洁，我相信有更好的方法。

Aggregate似乎达到了一半，但它将NA包括在计数中。

aggregate(toy_df, list(toy_df$label), FUN=length)

任何想法都值得赞赏...

推荐答案

我们可以使用data.table。将‘data.Frame’转换为‘data.table’(setDT(toy_df))，按‘Label’分组，遍历Data.table(.SD)的子集，得到非NA值的sum(!is.na(x))

library(data.table)
setDT(toy_df)[, lapply(.SD, function(x) sum(!is.na(x))), by = Label]
#   Label Y X1 X2
#1:     A 1  1  1
#2:     B 2  0  2
#3:     C 1  0  0

---

或dplyr使用相同的方法

library(dplyr)
toy_df %>% 
      group_by(Label) %>%
      summarise_each(funs(sum(!is.na(.))))

---

或base R选项，by和colSums按逻辑矩阵(!is.na(toy_df[-4]))第4列分组

by(!is.na(toy_df[-4]), toy_df[4], FUN = colSums)

或rowsum，方法与by类似，只是使用rowsum函数。

rowsum(+(!is.na(toy_df[-4])), group=toy_df[,4])
#  Y X1 X2
#A 1  1  1
#B 2  0  2
#C 1  0  0

这篇关于R GROUP BY，计算非NA值的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！