>假设我有一个 7 列的数据框,有些行有 7 个值,有些行的 NA 超过了某个点。我想抓住最后一个不是 NA 的值(从左到右),然后直接向左抓取值。它是分层数据,但有些组比其他组更深入。我想要新数据框中两列中最深和第二深的组。
这段代码有效,但会耗尽我对 46K 观测数据帧的内存。有没有我没有想到的更有效的方法?
df <- data.frame(LEVEL1 = c('animal', 'vegetable', 'mineral'),
LEVEL2 = c('mammal', 'pepper', 'rock'),
LEVEL3 = c('dog', 'jalepeno', NA),
LEVEL4 = c('westie', NA, NA))
deepest <- apply(df, 1,
function(x) length(which(!is.na(x))))
one.up <- apply(df, 1,
function(x) length(which(!is.na(x)))-1)
len <- nrow(df)
output <- data.frame(one.up = unlist(sapply(1:len,
function(x) df[x, one.up[x]])),
deepest= unlist(sapply(1:len,
function(x) df[x, deepest[x]])))
首次发布。通常我可以从这个网站拼凑我需要的东西。提前谢谢。
我认为您可以通过简单的apply
调用来节省运行该循环两次,例如:
> apply(df, 1, function(x) {
+ n <- max(which(!is.na(x)))
+ x[(n-1):n]
+ })
[,1] [,2] [,3]
[1,] "dog" "pepper" "mineral"
[2,] "westie" "jalepeno" "rock"
如果 NA 可以穿插在行的长度中,我不确定您的代码是否会提供您认为应该提供的内容(尽管您说这不应该发生。此代码将在第一个 NA 之前停止并返回前面的两个值。
> output.m <- apply(df,1,function(x) { leng.na <-rle(is.na(x))$lengths[1]
tail(x[1:leng.na],2) } )
> output.d <- as.data.frame(t(output.m))
> output.d
V1 V2
1 dog westie
2 pepper jalepeno
3 mineral rock