R-根据缺失数据的减少选择成对案例

我正试图找出如何根据缺失数据的最佳组合对数据库进行子集划分

我的数据是这样的

   Country.Name X2010.x X2011.x X2012.x X2010.y X2011.y X2012.y
20      Belarus   15080   16410   16800   27.72   26.46      NA
21      Belgium   38810   40210   39870      NA      NA      NA
22       Belize    7720    7940    8170      NA      NA      NA
23        Benin    1590    1640    1710      NA      NA   43.53
24      Bermuda   69340   66640   66390      NA      NA      NA
25       Bhutan    6140    6680    6960      NA      NA   38.73
 ...............................................................

每年。x作为每年选择。y 如果.x或.y中缺少一个，我不能选择成对组合

最后，我需要的是一个没有NA的数据库。为每个国家选择的年份并不重要，.x和.y必须是同一年

如果我看一下.x和.y之间缺失的分布，我可以看出选择X2011将是最好的组合

colSums(is.na(data)) 
Country.Name      X2010.x      X2011.x      X2012.x      X2010.y      X2011.y      X2012.y 
       0            3            3            3           21           19           22 

但我想这是总体上最好的组合，但不是针对每个特定的国家

我只需要在数据中保留最大数量的国家

我如何根据具体的失踪案例最大限度地选择国家？ 你明白我的问题吗

有什么建议吗

非最佳但可能的结果：

   Country.Name     .x     .y
20      Belarus   15080   27.72
31     Bulgaria   13950   35.78
35     Cambodia    2350   33.55
37       Canada   39200   33.68
45        China    9010   42.06

 # 
 data = select(data, Country.Name, X2010.x, X2010.y)
 data = na.omit(data)

数据集

data <- structure(list(Country.Name = c("Belarus", "Belgium", "Belize", 
  "Benin", "Bermuda", "Bhutan", "Bolivia", "Bosnia and Herzegovina", 
  "Botswana", "Brazil", "Brunei Darussalam", "Bulgaria", "Burkina Faso", 
  "Burundi", "Cabo Verde", "Cambodia", "Cameroon", "Canada", "Caribbean small states", 
  "Cayman Islands", "Central African Republic", "Central Europe and the Baltics", 
  "Chad", "Channel Islands", "Chile", "China"), X2010.x = c(15080, 
  38810, 7720, 1590, 69340, 6140, 4950, 8860, 12500, 13520, NA, 
  13950, 1390, 710, 5630, 2350, 2390, 39200, 13141.13583, NA, 880, 
  19213.13055, 1850, NA, 17010, 9010), X2011.x = c(16410, 40210, 
  7940, 1640, 66640, 6680, 5200, 9310, 13930, 14030, NA, 14790, 
  1430, 730, 5960, 2530, 2470, 40570, 12973.98051, NA, 910, 20391.27796, 
  1850, NA, 19040, 9940), X2012.x = c(16800, 39870, 8170, 1710, 
  66390, 6960, 5400, 9290, 14630, 14350, NA, 15250, 1550, 750, 
  6220, 2710, 2550, 41170, 13245.52928, NA, 950, 20765.62768, 1930, 
  NA, 20140, 10890), X2010.y = c(27.72, NA, NA, NA, NA, NA, NA, 
  NA, NA, NA, NA, 35.78, NA, NA, NA, 33.55, NA, 33.68, NA, NA, 
  NA, NA, NA, NA, NA, 42.06), X2011.y = c(26.46, NA, NA, NA, NA, 
  NA, 46.26, NA, NA, 53.09, NA, 34.28, NA, NA, NA, 31.82, NA, NA, 
  NA, NA, NA, NA, 43.3, NA, 50.84, NA), X2012.y = c(NA, NA, NA, 
  43.53, NA, 38.73, 46.64, NA, NA, 52.67, NA, NA, NA, NA, NA, NA, 
  NA, NA, NA, NA, NA, NA, NA, NA, NA, NA)), .Names = c("Country.Name", 
  "X2010.x", "X2011.x", "X2012.x", "X2010.y", "X2011.y", "X2012.y"
  ), row.names = 20:45, class = "data.frame")

以下是dplyr和tidyr解决方案：

data %>%
  gather(YearXY, Value, -Country.Name, na.rm = TRUE) %>%
  separate(YearXY, c("Year", "XY")) %>%
  spread(XY, Value) %>% filter(!is.na(x) & !is.na(y)) %>%
  group_by(Country.Name) %>%
  slice(1)

请注意，它忽略了没有同时包含x和y的年份的国家

对于随机年份，将切片1替换为：

---

请根据示例数据提供所需输出。预期输出与示例数据不对应。可能是librarydata.table；meltsetdata，measure.vars=list2:4，5:7，na.rm=TRUE，value.name=c'x'，y'[，lapply.SD，max，Country.name，.SDcols=x:y]在描述中，您提到选择2011年最适合整体组合。但是，在预期中，您选择白俄罗斯的2010年价值。该值小于16410。与data.table的devel版本类似的选项是meltsetdata，measure.vars=list2:4，5:7，value.name=c'x'，y'[！is.nax&！is.nay][，.SD[1L]，Country.name][，variable:=NULL][@Nick-我收到此错误消息；matrixunlistpieces中的错误，ncol=n，byrow=TRUE:“数据”必须是向量类型，根据dput输出为'NULL'@giacomoV，我使用dplyr_0.4.1没有收到任何错误。9000@giacomoV我也不是。我正在使用dplyr和tidyr的最新版本。你确定你的数据称为data，是data.frame吗？@NickK-my版本：dplyr_0.4.2和tidyr_0.2.0。我刚刚尝试了你建议的编辑数据，结果发现了错误。它来自分隔线arxy，cYear，XY

mutate(Random = sample(n())) %>%
  filter(Random == 1) %>%
  select(-Random)