以下是原始数据的示例:
ID Test1 Test2 Test3 Test4
1 0 0 NA 1.2
1 0 NA NA 3.0
1 NA NA NA 0
2 0 0 0 0
2 0 0 NA NA
我想计算每个ID的非NA出现次数(因此包括0(,并将该列值替换为该数字。生产:
ID Test1 Test2 Test3 Test4
1 2 1 NA 3
2 2 2 1 1
我不知道是否需要在R中使用sqldf包。我试图将数据帧强制转换为数据表并对其进行整形,但没有成功。
df<-x%>%熔体(idvars="ID"(
谢谢你的帮助。
我们可以在逻辑向量上通过sum
进行分组
library(dplyr)
df1 %>%
group_by(ID) %>%
summarise_all(funs(na_if(sum(!is.na(.)), 0)))
# A tibble: 2 x 5
# ID Test1 Test2 Test3 Test4
# <int> <int> <int> <int> <int>
#1 1 2 1 NA 3
#2 2 2 2 1 1
或使用base R
中的aggregate
aggregate(.~ ID, df1, FUN = function(x) sum(!is.na(x)), na.action = NULL)
或使用rowsum
rowsum(+(!is.na(df1[-1])), df1$ID)
数据
df1 <- structure(list(ID = c(1L, 1L, 1L, 2L, 2L), Test1 = c(0L, 0L,
NA, 0L, 0L), Test2 = c(0L, NA, NA, 0L, 0L), Test3 = c(NA, NA,
NA, 0L, NA), Test4 = c(1.2, 3, 0, 0, NA)), class = "data.frame",
row.names = c(NA, -5L))
下面我们讨论使用问题中提到的两个包的解决方案。
1(sqldf使用问题中引用的sqldf包,使用末尾注释中可重复定义的输入:
library(sqldf)
sqldf("select ID,
nullif(count(Test1), 0) Test1,
nullif(count(Test2), 0) Test2,
nullif(count(Test3), 0) Test3,
nullif(count(Test4), 0) Test4
from DF
group by ID")
给予:
ID Test1 Test2 Test3 Test4
1 1 2 1 NA 3
2 2 2 2 1 1
如果可以为所有NA的ID报告0,并且类似地为其他测试*列报告0,则nullif(count(test1), 0)
可以缩短为仅count(test1)
。
1a(如果实际上有很多列,而不仅仅是4列,或者你不喜欢重复select
的一部分,我们可以构建字符串,然后像这样插入:
testNames <- names(DF)[-1]
select <- toString(sprintf("nullif(count(%s), 0) %s", testNames, testNames))
library(sqldf)
fn$sqldf("select ID, $select
from DF
group by ID")
将verbose = TRUE
参数添加到sqldf
调用中,以查看是否实际将相同的字符串发送到后端。
如果可以报告0而不是NA,那么我们可以将select <- ...
简化为:
select <- toString(sprintf("count(%s) %s", testNames, testNames))
2(重新整形2如问题中的代码尝试中那样使用melt
:
library(magrittr)
library(reshape2)
count <- function(x) if (all(is.na(x))) NA_integer_ else sum(!is.na(x))
DF %>%
melt(id.vars = "ID") %>%
dcast(ID ~ variable, count)
如果可以为所有NA的任何ID报告0,则计数可以简化为:
count <- function(x) sum(!is.na(x))
备注
Lines <- "ID Test1 Test2 Test3 Test4
1 0 0 NA 1.2
1 0 NA NA 3.0
1 NA NA NA 0
2 0 0 0 0
2 0 0 NA NA"
DF <- read.table(text = Lines, header = TRUE)