删除具有特定NA编号的组 [英] removing groups with a certain NA number

问题描述

很抱歉打扰您回答一个相对简单的问题。 我有这种类型的数据帧：

"姓名"列c(a，b，c，d，e...)中的一长串姓名，"姓氏"列c(A，B)中的两个可能的类别，以及包含值的第三列。 我希望删除至少在一个姓氏类的值列中有超过2个"NA"的所有姓名。 我想发布一个示例数据集，但我正在努力将其正确格式化

我正在尝试使用

  df <- df %>% 
  group_by(NAME) %>% 
  group_by(SURNAME) %>% 
  filter(!is.na(VALUE)) %>% 
  filter(length(VALUE)>=3)

它不会引发错误，但我感觉有些地方不对劲。有什么建议吗？非常感谢

推荐答案

让我们创建一个要使用的数据集：

set.seed(1234)
df <- data.frame(
    name     = sample(x=letters,       size=1e3, replace=TRUE),
    surname  = sample(x=c("A", "B"),   size=1e3, replace=TRUE),
    value    = sample(x=c(1:10*10,NA), size=1e3, replace=TRUE),
    stringsAsFactors = FALSE
)

下面介绍如何使用Base R：

# count NAs by name-surname combos (na.action arg is important!)
agg <- aggregate(value ~ name + surname, data=df, FUN=function(x) sum(is.na(x)), na.action=NULL)

# rename is count of NAs column
names(agg)[3] <- "number_of_na"

#add count of NAs back to original data
df <- merge(df, agg, by=c("name", "surname"))

# subset the original data
result <- df[df$number_of_na < 3, ]

以下是如何处理数据。表：

library(data.table)
dt <- as.data.table(df)

dt[ , number_of_na := sum(is.na(value)), by=.(name, surname)]
result <- dt[number_of_na < 3]

以下是如何使用dplr/tidyverse：

library(dplyr) # or library(tidyverse)
result <- df %>% 
    group_by(name, surname) %>% 
    summarize(number_of_na = sum(is.na(value))) %>% 
    right_join(df, by=c("name", "surname")) %>% 
    filter(number_of_na < 3)

这篇关于删除具有特定NA编号的组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！