计算分组的_df dplyr中非NA列的数量

我正在尝试在我的

.df

中创建一列，该列给出（非NA）列数的值。在数据未分组的情况下，这很简单，因为我可以使用

ncol（）

或

dim（df）[2]

。我的问题是试图在df中的组上使用这两个函数中的任何一个，特别是当我对数据进行分组时，一些列将变为空（然后我将其删除，因此列大小会在不同的分组之间发生变化）

例如：

data(iris)
iris$fake.dat1 <- rnorm(1:50) 
iris$fake.dat2 <- rnorm(1:50)
iris$fake.dat3 <- rnorm(1:50)
# make some groups be all NA for some columns
iris$fake.dat1[iris$Species == 'setosa'] <- NA
iris$fake.dat2[iris$Species == 'setosa' | iris$Species == 'virginica'] <- NA

这是一列八位数字。如果我将数据过滤到每个组，则上面的操作似乎有效：

iris %>% 
  filter(Species == 'setosa') %>% 
  remove_empty_cols(.) %>% 
  mutate(num.col = ncol(.))

---

任何建议都将不胜感激

这取决于是否可能对组中的某些值（而非所有值）使用具有

NA

的变量，以及您希望如何对这些行或组进行计数

如果您只需要每行的非NA值的数量，那么解决方案非常简单：

库（tidyverse）
#添加部分NA列
虹膜%突变（假.dat3=ifelse（假.dat3<0，NA，假.dat3））
iris1%突变（num.col=rowSums（！is.na（））
表（iris1$num.col）
#> 
#>  5  6  7  8 
#> 21 50 50 29

如果您想为每个具有一些非NA值的组计算列数，则需要稍微复杂一点：

iris2%
巢（-种类）%>%
mutate（num.col=map_int（data，~sum（map_lgl（.x，~！all（is.na（.xЮЮЮ）））%>%
unnest（）
表（iris2$num.col）
#> 
#>  5  6  7 
#> 50 50 50

如果要为没有任何

NA

s的每个组计数列，请将

all

更改为

any

：

iris3%
巢（-种类）%>%
mutate（num.col=map_int（数据，~sum（map_lgl（.x，~！any（is.na（.xЮЮ）））%>%
unnest（）
表（iris3$num.col）
#> 
#>  4  5  6 
#> 50 50 50

---

对于原始数据，所有方法都会返回相同的结果，但正如您所看到的，在实际数据上可能不会返回相同的结果。

这是第二种选择，而且效果非常好，谢谢！这当前返回一个错误

警告消息：1:“…”的所有元素都必须命名。你想要'data=c（萼片.长度，萼片.宽度，花瓣.长度，花瓣.宽度）'吗？2:“cols”现在是必需的。请使用'cols=c（data）`

是的，他们将希望您使用接口的方式更改为

nest（）

，尽管它仍然可以正常工作。要消除错误，您可以将其更改为

iris%>%nest（data=-Species）

或等效项。

iris %>% 
  filter(Species == 'setosa') %>% 
  remove_empty_cols(.) %>% 
  mutate(num.col = ncol(.))