如何聚合R中包含NA值的行

我想从这里开始：

City   State    x1  x2  x3
 
NA        CA    10  10  10

SD        CA    10  10  10 

NA        CA    10  10  10

SF        CA    10  10  10

FW        TX    5   5   5   

NA        TX    5   5   5

NA        TX    5   5   5

为此：

State   sum 

CA      120

TX      45 

---

编辑：修复了数据帧中的错误。并将“NA”改为“NA”。感谢Ronak这么快的回复。

您可以根据dplyr中的cur_数据对列进行子集求和

资料

---

您可以从dplyr中的cur_数据对列进行子集求和

资料

---

@Ronak Shah解决方案要好得多，但这里有另一个更长但仍然有效的解决方案，可以让您了解一些有用的函数，以备将来使用：

library(dplyr)

df %>%
  group_by(State) %>%
  summarise(across(x1:x3, ~ sum(.x, na.rm = TRUE))) %>%   # We use across() for column-wise operations
  rowwise() %>%
  mutate(sum = sum(c_across(x1:x3), na.rm = TRUE)) %>%    # We use rowwise() function + c_across() for row wise operations
  select(-c(x1:x3))

# A tibble: 2 x 2
# Rowwise: 
  State   sum
  <chr> <int>
1 CA      120
2 TX       45

这也是非常有用的，更接近上面提到的：

df %>%
  group_by(State) %>%
  summarise(sum = sum(c_across(x1:x3), na.rm = TRUE))

# A tibble: 2 x 2
  State   sum
  <chr> <int>
1 CA      120
2 TX       45

---

@Ronak Shah解决方案要好得多，但这里有另一个更长但仍然有效的解决方案，可以让您了解一些有用的函数，以备将来使用：

library(dplyr)

df %>%
  group_by(State) %>%
  summarise(across(x1:x3, ~ sum(.x, na.rm = TRUE))) %>%   # We use across() for column-wise operations
  rowwise() %>%
  mutate(sum = sum(c_across(x1:x3), na.rm = TRUE)) %>%    # We use rowwise() function + c_across() for row wise operations
  select(-c(x1:x3))

# A tibble: 2 x 2
# Rowwise: 
  State   sum
  <chr> <int>
1 CA      120
2 TX       45

这也是非常有用的，更接近上面提到的：

df %>%
  group_by(State) %>%
  summarise(sum = sum(c_across(x1:x3), na.rm = TRUE))

# A tibble: 2 x 2
  State   sum
  <chr> <int>
1 CA      120
2 TX       45

为了提高效率，我们可以使用data.table方法。将data.frame转换为“data.table setDTdf，grouping by”状态，将列指定为.SDcols中的列名模式，获取data.table.SD子集的行和并求和

数据 为了提高效率，我们可以使用data.table方法。将data.frame转换为“data.table setDTdf，grouping by”状态，将列指定为.SDcols中的列名模式，获取data.table.SD子集的行和并求和

数据

---

---

哇！感谢Ronak这么快的回复。你为什么要在全国各地使用cur_数据？我之所以这么问，是因为使用sumacrossx1:x3，na.rm=TRUE似乎更直观。跨越仍然是一个循环，我认为我们不需要只选择列，选择做得更好。哇。感谢Ronak这么快的回复。你为什么要在全国各地使用cur_数据？我之所以这么问，是因为使用sumacrossx1:x3，na.rm=TRUE似乎更直观。跨越仍然是一个循环，我认为我们不需要只选择列，选择做得更好。你的问题标题不清楚？NA在这里是什么意思？请更正df:data.frameCity=col1，State=col2，x1=col3，x2=col4，x3=col5中的错误：参数表示不同的行数：7，6，8@AnilGoyal我道歉，我把NA编成了一个字符串。不，你误解了我。NA在计算中的相关性是什么。输出似乎与否无关你可以忽略城市变量，不管它是否有NAs你的问题标题不清楚？NA在这里是什么意思？请更正df:data.frameCity=col1，State=col2，x1=col3，x2=col4，x3=col5中的错误：参数表示不同的行数：7，6，8@AnilGoyal我道歉，我把NA编成了一个字符串。不，你误解了我。NA在计算中的相关性是什么。输出似乎与NAYou无关，您可以忽略城市变量，不管它是否具有NAs：df%>%groups\u byState%>%summarsesum=sumc\u acrosssstarts\u与'x'@ChrisRuehlemann，是的，这也很好。我以前从未在列操作中使用过c_，但在这里它起到了作用。我无法理解NA在这个问题中的相关性？？问题是如何聚合包含NA值的行R@AnilGoyal我也没有得到，但我看了一下期望的输出，并认为这将实现目标结果。或者：df%>%group\u byState%>%summarsesum=sumc\u acrosssstart\u与'x'@ChrisRuehlemann，是的，这也很好。我以前从未在列操作中使用过c_，但在这里它起到了作用。我无法理解NA在这个问题中的相关性？？问题是如何聚合包含NA值的行R@AnilGoyal我也没有得到，但我看了一下期望的输出，并认为这将带来结果。

df %>%
  group_by(State) %>%
  summarise(sum = sum(c_across(x1:x3), na.rm = TRUE))

# A tibble: 2 x 2
  State   sum
  <chr> <int>
1 CA      120
2 TX       45

library(data.table)
setDT(df)[ , sum(rowSums(.SD), na.rm = TRUE), State, 
     .SDcols = patterns('^x\\d+$')]
#   State  V1
#1:    CA 120
#2:    TX  45

df <- structure(list(City = c(NA, "SD", NA, "SF", "FW", NA, NA), State = c("CA", 
"CA", "CA", "CA", "TX", "TX", "TX"), x1 = c(10L, 10L, 10L, 10L, 
5L, 5L, 5L), x2 = c(10L, 10L, 10L, 10L, 5L, 5L, 5L), x3 = c(10L, 
10L, 10L, 10L, 5L, 5L, 5L)), class = "data.frame",
   row.names = c(NA, -7L))