R 按年份聚合数据,仅当列中的值为该年份时,才覆盖行中的NA
假设我有数据框:R 按年份聚合数据,仅当列中的值为该年份时,才覆盖行中的NA,r,dataframe,reshape,na,collapse,R,Dataframe,Reshape,Na,Collapse,假设我有数据框: dfTest <- data.frame(year = c(1,2,3,1,3), meanVal = c(1,2,3,1,3), var1 = c(1,2,3,1,3), var2 = c(NA,2,NA,1,3), var3 = c(1,NA,NA,1,3)) > dfTest year meanVal var1 var2 v
dfTest <- data.frame(year = c(1,2,3,1,3),
meanVal = c(1,2,3,1,3),
var1 = c(1,2,3,1,3),
var2 = c(NA,2,NA,1,3),
var3 = c(1,NA,NA,1,3))
> dfTest
year meanVal var1 var2 var3
1 1 1 1 NA 1
2 2 2 2 2 NA
3 3 3 3 NA NA
4 1 1 1 1 1
5 3 3 3 3 3
要实现这一点,需要逐年减少行数。如果某列有NA,则应将其替换为该列中的值。i、 e.第1年(1)的var1只有1个值。但是,var1列中的某些行可能有NA。此外,如果像我们在第2年var 3中看到的列只有NA,则NA必须保持不变 在base R中,这可以通过
split/lappy
完成
res <- lapply(split(dfTest, dfTest$year), function(DF){
c(year = unique(DF[["year"]]),
meanVal = unique(DF[["meanVal"]]),
colMeans(DF[3:5], na.rm = TRUE)
)
})
res <- do.call(rbind, res)
is.na(res) <- is.nan(res)
res
# year meanVal var1 var2 var3
#1 1 1 1 1 1
#2 2 2 2 2 NA
#3 3 3 3 3 3
res我们也可以通过base R
中的aggregate
来实现这一点。创建一个函数来处理以下情况:每组只有一行(或多行all
NA),而这是一个缺少的值。mean
的默认方法在与na.rm=TRUE
aggregate(.~ year, dfTest, mean, na.rm = TRUE, na.action = NULL)
为避免获取NaN
,请创建函数(f1
),该函数检查每个组的特定列的所有
元素是否为NA
。使用if/else
我们可以为这些情况返回NA
f1 <- function(x) if(all(is.na(x))) NA else mean(x, na.rm = TRUE)
aggregate(.~ year, dfTest, f1, na.action = NULL)
# year meanVal var1 var2 var3
#1 1 1 1 1 1
#2 2 2 2 2 NA
#3 3 3 3 3 3
f1
f1 <- function(x) if(all(is.na(x))) NA else mean(x, na.rm = TRUE)
aggregate(.~ year, dfTest, f1, na.action = NULL)
# year meanVal var1 var2 var3
#1 1 1 1 1 1
#2 2 2 2 2 NA
#3 3 3 3 3 3