r语言 - 如果特定列的变量相同，有没有办法将多列加在一起

Question

我很难弄清楚如何将变量组合在一起。 例如，我想平均所有 candy1，其中数据列 ~COUNTRY 是"美国"或"加拿大"或"英国"。 同时删除/省略包含 NA(空？

注意：我尝试为数据框执行的操作有超过 2000 行和 140 列。

考虑过使用 for 循环，但无法弄清楚如何正确执行此操作。

Candy_Hierarchy <- tribble(~COUNTRY, ~candy1, ~candy2, ~candy3,
              'United States',2, 0, 1,
              'United States', 1, 2, 0,
              'United States',2, 1, 2,
              'Canada', NA, NA, NA, 
              'Canada', 2, 0, 1,
              'United Kingdom', 1, 2, 0)

到

Candy_Hierarchy <- tribble(~COUNTRY, ~candy1, ~candy2, ~candy3,
              'US, Canada, and UK', 1.6, 1, 0.8, 
              'United States',1.67, 1, 1,
              'Canada', 2, 0, 1,
              'United Kingdom', 1, 2, 0)

"美国、加拿大和英国">

表示"美国"、"加拿大"和"英国"的整体平均值。

真的没有任何错误消息，因为我无法找到实现它的方法。

Answer 1

一种解决方案：使用 tidyr::gather 将数据从"宽"更改为"长"格式，为变量名创建一列，为值创建一列。然后，您可以dplyr::group_by COUNTRY 和变量名称，dplyr::summarise以获取平均值，tidyr::spread转换回宽格式。

library(dplyr)
library(tidyr)
tribble(~COUNTRY, ~candy1, ~candy2, ~candy3,
              'United States',2, 0, 1,
              'United States', 1, 2, 0,
              'United States',2, 1, 2,
              'Canada', NA, NA, NA, 
              'Canada', 2, 0, 1,
              'United Kingdom', 1, 2, 0) %>% 
  gather(Var, Val, -COUNTRY) %>% 
  group_by(COUNTRY, Var) %>% 
  summarise(Mean = mean(Val, na.rm = TRUE)) %>% 
  spread(Var, Mean)

结果：

# A tibble: 3 x 4
# Groups:   COUNTRY [3]
  COUNTRY        candy1 candy2 candy3
  <chr>           <dbl>  <dbl>  <dbl>
1 Canada           2         0      1
2 United Kingdom   1         2      0
3 United States    1.67      1      1

Answer 2

这是执行此操作的一种方法。我们可以使用filter_at(vars(starts_with("candy")), all_vars(is.na(.))) 删除具有所有NA的行。在summarize操作之后，我们可以使用 bind_rows 将这些行添加回来。

library(tidyverse)
Candy_Hierarchy2 <- Candy_Hierarchy %>% rowid_to_column() 
Candy_allNA <- Candy_Hierarchy2 %>%
  filter_at(vars(starts_with("candy")), all_vars(is.na(.))) 
Candy_Hierarchy3 <- Candy_Hierarchy2 %>% 
  anti_join(Candy_allNA, by = "rowid") %>%
  group_by(COUNTRY) %>%
  summarise_at(vars(starts_with("candy")), list(~mean(., na.rm = TRUE))) %>%
  ungroup() %>%
  bind_rows(
    Candy_allNA %>% select(-rowid)
  ) %>%
  arrange(COUNTRY)
Candy_Hierarchy3
# # A tibble: 4 x 4
# COUNTRY        candy1 candy2 candy3
#   <chr>           <dbl>  <dbl>  <dbl>
# 1 Canada           2         0      1
# 2 Canada          NA        NA     NA
# 3 United Kingdom   1         2      0
# 4 United States    1.67      1      1

更新

如果不需要保留所有NA行，则此操作在tidyverse下变得非常容易。

Candy_Hierarchy4 <- Candy_Hierarchy %>%
  group_by(COUNTRY) %>%
  summarise_at(vars(starts_with("candy")), list(~mean(., na.rm = TRUE))) %>%
  ungroup()
Candy_Hierarchy4
# # A tibble: 3 x 4
#   COUNTRY        candy1 candy2 candy3
#   <chr>           <dbl>  <dbl>  <dbl>
# 1 Canada           2         0      1
# 2 United Kingdom   1         2      0
# 3 United States    1.67      1      1