R 如何将丢失数据的数据框的两列组合起来?
这是一个扩展。如何将数据帧的两列合并为R 如何将丢失数据的数据框的两列组合起来?,r,missing-data,R,Missing Data,这是一个扩展。如何将数据帧的两列合并为 data <- data.frame('a' = c('A','B','C','D','E'), 'x' = c("t",2,NA,NA,NA), 'y' = c(NA,NA,NA,4,"r")) 得到 'a' 'mycol' A t B 2 C NA D 4 E r 我试过这个 cbind(data[1]
data <- data.frame('a' = c('A','B','C','D','E'),
'x' = c("t",2,NA,NA,NA),
'y' = c(NA,NA,NA,4,"r"))
得到
'a' 'mycol'
A t
B 2
C NA
D 4
E r
我试过这个
cbind(data[1], mycol = na.omit(unlist(data[-1])))
但是它显然不会保留
NA
行。您可以使用ifelse
这样做:
data$mycol <- ifelse(!is.na(data$x), data$x, data$y)
> data
## a x y mycol
## 1 A 1 NA 1
## 2 B 2 NA 2
## 3 C NA NA NA
## 4 D NA 4 4
## 5 E NA 5 5
data$mycl数据
##真菌
##1 A 1 NA 1
##2b2na2
##3c-NA-NA-NA
##4dNa4
##5 E NA 5 5
按照您的逻辑,您可以执行以下操作:
cbind(data[1], mycol = unlist(apply(data[2:3], 1, function(i) ifelse(
length(is.na(i))==length(i),
na.omit(i),
NA)
)))
# a mycol
#1 A 1
#2 B 2
#3 C NA
#4 D 4
#5 E 5
这一点已经得到间接解决。以下是一个基于此的简单解决方案:
data$mycol <- coalesce(data$x, data$y)
data$mycl将答案扩展到任意数量的列,并使用整洁的max.col()
coalesce <- function(value_matrix) {
value_matrix <- as.matrix(value_matrix)
first_non_missing <- max.col(!is.na(value_matrix), ties.method = "first")
indices <- cbind(
row = seq_len(nrow(value_matrix)),
col = first_non_missing
)
value_matrix[indices]
}
data$mycol <- coalesce(data[, c('x', 'y')])
data
# a x y mycol
# 1 A 1 NA 1
# 2 B 2 NA 2
# 3 C NA NA NA
# 4 D NA 4 4
# 5 E NA 5 5
建议的重复:这种情况非常简单,您可以执行pmin
或pmax
,例如data$mycol=pmin(data$x,data$y,na.rm=T)
。这将扩展到更多列,但如果有多个非缺失值,它将选择最小值。建议dupe处的合并答案将选择第一个非缺失值。其他相关Q用于像这里这样只有一个非NA
列的简单情况;由@Henrik链接的聚结解决方案看起来是一个很好的一般情况。您也可以使用data.table
来完成类似的任务,但您会失去NAs,转而使用0s<代码>setDT(数据);data[,new:=sum(.SD,na.rm=T),by=a,.SDcols=c(“x”,“y”])
继OP编辑两列字符串之后,它现在甚至更类似于我链接到的Q&a…在OP的情况下效果很好,但如果涉及更多列,则无法很好地扩展…与“是”相比有任何优势,它可以更好地扩展到更多列。添加比较以回答。。。
coalesce <- function(value_matrix) {
value_matrix <- as.matrix(value_matrix)
first_non_missing <- max.col(!is.na(value_matrix), ties.method = "first")
indices <- cbind(
row = seq_len(nrow(value_matrix)),
col = first_non_missing
)
value_matrix[indices]
}
data$mycol <- coalesce(data[, c('x', 'y')])
data
# a x y mycol
# 1 A 1 NA 1
# 2 B 2 NA 2
# 3 C NA NA NA
# 4 D NA 4 4
# 5 E NA 5 5
coalesce_reduce <- function(...) {
Reduce(function(x, y) {
i <- which(is.na(x))
x[i] <- y[i]
x},
list(...))
}
coalesce_maxcol <- function(...) {
value_matrix <- cbind(...)
first_non_missing <- max.col(!is.na(value_matrix), ties.method = "first")
indices <- cbind(
row = seq_len(nrow(value_matrix)),
col = first_non_missing
)
value_matrix[indices]
}
set.seed(100)
wide <- replicate(
1000,
{sample(c(NA, 1:10), 10, replace = TRUE)},
simplify = FALSE
)
long <- replicate(
10,
{sample(c(NA, 1:10), 1000, replace = TRUE)},
simplify = FALSE
)
microbenchmark(
do.call(coalesce_reduce, wide),
do.call(coalesce_maxcol, wide),
do.call(coalesce_reduce, long),
do.call(coalesce_maxcol, long)
)
# Unit: microseconds
# expr min lq mean median uq max neval
# do.call(coalesce_reduce, wide) 1879.460 1953.5695 2136.09954 2007.303 2152.654 5284.583 100
# do.call(coalesce_maxcol, wide) 403.604 423.5280 490.40797 433.641 456.583 2543.580 100
# do.call(coalesce_reduce, long) 36.829 41.5085 45.75875 43.471 46.942 79.393 100
# do.call(coalesce_maxcol, long) 80.903 88.1475 175.79337 92.374 101.581 3438.329 100