R 完成。分组病例而不是观察？

如果我整理了数据：

df = expand.grid(Name=c("Sub1","Sub2","Sub3"),Vis=c("Yes","No")) %>%
       mutate(KPR_mean=c(NA,1,3,2,3,2),KPR_range=c(NA,4,4,2,6,5)) %>%
       filter(complete.cases(.))

我想过滤掉不完整的因子组合，留下完整的因子模型。现在，我的做法如下：

df %>% 
  unite(KPR_mean_range,KPR_mean,KPR_range) %>%
  spread(Vis,KPR_mean_range) %>%
  filter(complete.cases(.)) %>%
  gather(Win,KPR_mean_range,-Name) %>%
  separate(KPR_mean_range,c("KPR_mean","KPR_range"),sep="_")

---

但这似乎非常冗长，而且一旦存在多个因素和更多变量，就很难扩展。有没有办法对分组变量而不是行进行筛选？也就是说，对于每个级别的名称，如果filter（complete.cases（.））将从该组中删除一行，则改为删除整个组？

对于新数据，将您的答案扩展到所有案例，按您希望完成的案例所在的变量分组，并使用

NA

s筛选出组：

df %>% complete(Vis, Name) %>% group_by(Name) %>% filter(!any(is.na(KPR_mean)))
# Source: local data frame [4 x 4]
# Groups: Name [2]
# 
#      Vis   Name KPR_mean KPR_range
#   (fctr) (fctr)    (dbl)     (dbl)
# 1    Yes   Sub2        1         4
# 2    Yes   Sub3        3         4
# 3     No   Sub2        3         6
# 4     No   Sub3        2         5

---

这里有一个带有

数据表的选项。我们将'data.frame'转换为'data.table'，指定键列（
setDT（df，…
），进行交叉连接，按'Name'分组，如果'KPP_range'中没有'NA'值，则将行分组

library(data.table)
setDT(df, key = c("Name", "Vis"))[CJ(Name, Vis, unique=TRUE)][,
             if(all(!is.na(KPR_mean))) .SD , Name]
#   Name Vis KPR_mean KPR_range
#1: Sub2 Yes        1         4
#2: Sub2  No        3         6
#3: Sub3 Yes        3         4
#4: Sub3  No        2         5

你能重复地共享你的数据吗（例如，使用
dput（）
）？阅读你在R中发布的带有列类的示例数据是一件痛苦的事。我想这对你也不起作用，因为
unite
步骤concatenate
NA
作为
NA
和
complete.cases（）
不适用于字符
NA\u NA
。我可能会计算出每个主题需要多少行，并筛选出行数少于该行的组。类似于
n\u expected=length（unique（df$Vis））；group\u by（df，Name）%%>%filter（n（）==n\u expected）
@Gregor:Oops，我从未意识到你必须这样做。我用一些相同形式的虚构数据替换了它。更改数据会更改代码的结果。