我希望确定数据框的每一列中缺少值的比率,并由该数据框架中的单独组分开。
我是R的新手,所以到目前为止,我还没有取得太大的成功。这是一个示例数据集,可以对其进行测试:
df <- data.frame(
programme = c('A','B','B','A','B','C','C','C','C','A'),
v1 = c(24,NA,NA,45,NA,23,22,23,45,23),
v2 = c(NA,1,1,NA,0,1,1,1,1,NA),
v3 = c(2,3,2,3,2,NA,NA,NA,NA,2))
我考虑过按组将数据框架分配,然后为每列应用一个函数,但这似乎不起作用
per_missing <- data.frame()
df %>%
group_by(programme)
per_missing <- apply(df, 2, function(col)sum(is.na(col))/length(col))
理想情况下,该信息将写入一个新的数据框中,其中每个组列出了每个列的缺失比率值。看起来像这样:
res <- data.frame(
variables = c('v1','v2','v3'),
A = c(0.0, 1, 0.0),
B = c(1, 0.0, 0.0),
C = c(0.0, 0.0, 1)
)
variables A B C
1 v1 0 1 0
2 v2 1 0 0
3 v3 0 0 1
预先感谢您的帮助!
由'program'分组,在其他列中获取na元素的 mean
, gather
到'long'格式,然后 spread
回到'wide'格式
library(tidyverse)
df %>%
group_by(programme) %>%
summarise_all(funs(mean(is.na(.)))) %>%
gather(variables, val, -programme) %>%
spread(programme, val)
# A tibble: 3 x 4
# variables A B C
# <chr> <int> <int> <int>
#1 v1 0 1 0
#2 v2 1 0 0
#3 v3 0 0 1