dplyr：在group_by之后用零替换NAs，同时将原始NAs保留在R中

我正在创建一个新变量，因为NAs，并且因为只有一些人符合分组标准，我最终的数据集中有许多新的NAs

这是数据

更新的示例数据帧：

id    age    year   var1
4     KL      2007   15
1     KL      2008   10
2     KL      2008   20
4     AG      2008   NA
3     AG      2008   5    
3     SU      2009   NA
4     SU      2009   NA    
4     LL      2011   NA

数据帧细微差别：

age==“KL”&year==2007

只有一行（带值）

age==“KL”&year==2008

有多行（带值）

age==“AG”&year==2008

有多行（带值和NAs）

age==“SU”&year==2009

有多行（仅限NAs）

age==“LL”&year==2011

只有一行（带NA）

示例公式：

df<-df %>%
    group_by(age, year) %>% 
    mutate(new_var1=((var1-mean(var1, na.rm=T))/(1*(sd(var1, na.rm=T)))))

期望输出：

id    age    year   var1    new_var1
4     KL      2007   15      0
1     KL      2008   10     -0.7071068
2     KL      2008   20      0.7071068
4     AG      2008   NA      NA
3     AG      2008   5       0
3     SU      2009   NA      NA
4     SU      2009   NA      NA
4     LL      2011   NA      NA

在强制任何新NAs实例（因为行是唯一的记录）为0而不是NA时，如何保留现有NAs（这些是丢失数据的真实实例）？

非常感谢

dplyr

解决方案

---

我知道如何用零替换NAs（例如，

mutate（new_var1=ifelse（is.na（new_var1），0，new_var1））

），但这将替换所有NAs，而不仅仅是新NAs。

我们可以使用

if/else

创建一个条件来检查单个观测值，如果它不是na，则返回0或执行计算

library(dplyr)
df %>% 
   group_by(age, year) %>% 
  mutate(var1 = if(n() == 1 && !is.na(var1) | sum(!is.na(var1)) == 1) 0 * var1
  else ((var1-mean(var1, na.rm=TRUE))/(1*(sd(var1, na.rm=TRUE))))) %>%
    ungroup

-输出

# A tibble: 8 x 4
     id age    year   var1
  <int> <chr> <int>  <dbl>
1     4 KL     2007  0    
2     1 KL     2008 -0.707
3     2 KL     2008  0.707
4     4 AG     2008 NA    
5     3 AG     2008  0    
6     3 SU     2009 NA    
7     4 SU     2009 NA    
8     4 LL     2011 NA    

#一个tible:8 x 4
id年龄年变量1
14吉隆坡2007 0
21吉隆坡2008-0.707
3.2吉隆坡2008 0.707
4 4 AG 2008 NA
5 3 AG 2008 0
6 3苏2009 NA
7 4苏2009 NA
2011年4月8日北美

数据

df选项可以是：

df%
按年龄、年份划分的组别%>%
变异（new_var1=ifelse（is.nan（scale（var1）），0，scale（var1）））%>%
解组（）
#>#A tibble:8 x 5
#>id年龄年变量1新变量1[，1]
#>              
#>14吉隆坡2007 15 0
#>2 1吉隆坡2008 10-0.707
#>3 2吉隆坡2008 20 0.707
#>4 4 AG 2008 NA
#>5 3 AG 2008 5 0
#>6 3苏2009娜娜娜
#>7 4苏2009纳纳
#>2011年4月8日不适用
库（数据表）
setDT（df）[，new_var1:=ifelse（is.nan（scale（var1）），0，scale（var1）），by=list（age，year）][]
#>id年龄年变量1新变量1
#>1:4 KL 2007 150.0000000
#>2:1吉隆坡2008 10-0.7071068
#>3:2吉隆坡2008 20 0.7071068
#>4:4 AG 2008 NA NA
#>5:3 AG 2008 500.0000000
#>6:3苏2009娜娜娜
#>7:4苏2009娜娜娜
#>8:4 LL 2011不适用

由（v2.0.0）
于2021-05-21创建。由于某种原因，当我尝试应用您的解决方案时，它会为整个列返回NaN。你能帮我解决一下为什么它对你的答案有效，但对我来说不行吗？@BlunderingColomist这是基于你展示的同一个例子吗？在您的原始数据中，我猜测有多个组有一个以上的观察，并且所有组都是NA，这导致
NaN
，而您使用
mean
进行计算，啊，我认为可能是这样。我试图用上面一个简明的例子来避免让它压倒一切，但我认为我遗漏了一些重要的细微差别？@BlunderingColomist我在这里没有包括这个条件。此外，在某些情况下，有一个单独的非NA元素，sd可以返回NAI think，这在我的原始数据集中更为常见（一个单独的非NA元素，由于
sd（）
函数，它最终会给出一个NA）。是否有可能修改您的答案以适应这些条件？（我很抱歉没有提出更好的问题）。我将更新我的示例数据集以尝试包含这些内容。id 4的最后一行的输出是什么？就像noob一样，我没有指定年龄的编码（它是分类的，不是数字的）。我还将真实数据添加到了问题中。这并不重要，因为我们正在进行分组，并且值是根据numericHmmm计算的。我这方面一定很傻。我不想再浪费你的时间了，谢谢你的帮助！
# A tibble: 8 x 4
     id age    year   var1
  <int> <chr> <int>  <dbl>
1     4 KL     2007  0    
2     1 KL     2008 -0.707
3     2 KL     2008  0.707
4     4 AG     2008 NA    
5     3 AG     2008  0    
6     3 SU     2009 NA    
7     4 SU     2009 NA    
8     4 LL     2011 NA    

df <- structure(list(id = c(4L, 1L, 2L, 4L, 3L, 3L, 4L, 4L), age = c("KL", 
"KL", "KL", "AG", "AG", "SU", "SU", "LL"), year = c(2007L, 2008L, 
2008L, 2008L, 2008L, 2009L, 2009L, 2011L), var1 = c(15L, 10L, 
20L, NA, 5L, NA, NA, NA)), class = "data.frame", row.names = c(NA, 
-8L))