如何解决R使用tidyverse用其他值的总和填充缺失值
col_1 | col_2 | ... | col_n
35 | NA | ... | 2
. | . | . | .
. | . | . | .
. | . | . | .
123 | 90 | ... | NA
某些行包含 NA 值（可以超过 1 个 NA）。
我希望找到恰好包含 1 个 NA 的所有行，并将其替换为其他列的总和。
我如何使用 tidyverse 实现它？
解决方法
我使用了 Anil Goyal 的玩具数据（谢谢！）
今天有一个类似的问题，请看这里： R: Replace NA with other variables in the df using tidyverse
我们在这里：
- 对行求和
- 计算 NA 的数量
- 并通过在 col1-4 上应用所需的条件
- 我最喜欢的是
.keep = "unused"，它删除了“helper”列。
df %>%
mutate(rowsum1 = rowSums(.,na.rm=TRUE)) %>%
mutate(count_na = rowSums(is.na(select(.,everything())))) %>%
mutate(across(starts_with("col"),~case_when(count_na ==1 ~coalesce(.,rowsum1),TRUE ~ as.numeric(.))
),.keep ="unused"
)
输出：
col_1 col_2 col_3 col_4
1 35 421 1223 767
2 43 54 435 78
3 234 NA NA 65
4 784 8 687 89
5 23 45 78 146
两种tidyverse方法
#toy data
df <- data.frame(
col_1 = c(35L,43L,234L,NA,23L),col_2 = c(421L,54L,8L,45L),col_3 = c(NA,435L,687L,78L),col_4 = c(767L,78L,65L,89L,NA)
)
df
#> col_1 col_2 col_3 col_4
#> 1 35 421 NA 767
#> 2 43 54 435 78
#> 3 234 NA NA 65
#> 4 NA 8 687 89
#> 5 23 45 78 NA
#load libraries
library(tidyverse)
#1st approach
df %>% mutate(across(everything(),~ ifelse(rowSums(is.na(cur_data())) == 1 & is.na(.),rowSums(cur_data(),na.rm = T),.)))
#> col_1 col_2 col_3 col_4
#> 1 35 421 1223 767
#> 2 43 54 435 78
#> 3 234 NA NA 65
#> 4 784 8 687 89
#> 5 23 45 78 146
#2nd approach
df %>% rowwise() %>%
mutate(replace(cur_data(),is.na(cur_data()) & rowSums(is.na(cur_data())) == 1,na.rm = T)))
#> # A tibble: 5 x 4
#> # Rowwise:
#> col_1 col_2 col_3 col_4
#> <int> <int> <int> <int>
#> 1 35 421 1223 767
#> 2 43 54 435 78
#> 3 234 NA NA 65
#> 4 784 8 687 89
#> 5 23 45 78 146
由 reprex package (v2.0.0) 于 2021 年 6 月 5 日创建
,我们可以将 coalesce 与 rowSums 一起使用以提高效率
library(dplyr)
v1 <- rowSums(df,na.rm = TRUE) * NA^(rowSums(is.na(df)) != 1)
df[] <- coalesce(unlist(df),v1[row(df)])
-输出
df
col_1 col_2 col_3 col_4
1 35 421 1223 767
2 43 54 435 78
3 234 NA NA 65
4 784 8 687 89
5 23 45 78 146
或者也可以把上面写成
df %>%
mutate(rS = rowSums(cur_data(),na.rm = TRUE) *
NA^(rowSums(is.na(cur_data())) != 1),across(-rS,~ coalesce(.,rS)),rS = NULL)
# col_1 col_2 col_3 col_4
#1 35 421 1223 767
#2 43 54 435 78
#3 234 NA NA 65
#4 784 8 687 89
#5 23 45 78 146
您也可以使用以下解决方案，它是 replace 函数的替代：
library(dplyr)
library(purrr)
df %>%
pmap_df(.,~ if(sum(is.na(c(...))) == 1) {
coalesce(c(...),sum(c(...),na.rm = TRUE))
} else {
c(...)
}
)
# A tibble: 2 x 4
col_1 col_2 col_3 col_n
<dbl> <dbl> <dbl> <dbl>
1 35 42 5 2
2 123 90 NA NA
数据
structure(list(col_1 = c(35,123),col_2 = c(NA,90),col_3 = c(5,NA),col_n = c(2,NA)),class = "data.frame",row.names = c(NA,-2L))
对之前的答案 here 稍作修改，只检查一行中的 1 个 NA -
df<- t(apply(df,1,function(x) {
if(sum(is.na(x)) == 1) replace(x,is.na(x),sum(x,na.rm = TRUE))
else x
}))
或使用 purrr::pmap_df :
df <- purrr::pmap_df(df,~{
x <- c(...)
if(sum(is.na(x)) == 1) replace(x,na.rm = TRUE))
else x
})
使用两个中间变量的替代解决方案：
-
q_na每行 NA 数 -
s_row行值的总和，不包括 NA。
library(tidyverse)
df <- tribble(
~col_1,~col_2,~col_3,3,2,5,6,2)
df %>%
rowwise() %>%
mutate(q_na = sum(is.na(c_across(col_1:col_3))),s_row = sum(c_across(col_1:col_3),na.rm = TRUE)) %>%
ungroup() %>%
filter(q_na == 1) %>%
mutate(across(col_1:col_3,~if_else(is.na(.x),s_row,.x))) %>%
dplyr::select(col_1:col_3)
#> # A tibble: 2 x 3
#> col_1 col_2 col_3
#> <dbl> <dbl> <dbl>
#> 1 4 1 3
#> 2 3 5 2
如果您想获取所有行，只需删除 filter 并将其包含在 if_else 中：
df %>%
rowwise() %>%
mutate(q_na = sum(is.na(c_across(col_1:col_3))),na.rm = TRUE)) %>%
ungroup() %>%
filter() %>%
mutate(across(col_1:col_3,~if_else(q_na == 1 & is.na(.x),.x))) %>%
dplyr::select(col_1:col_3)
#> # A tibble: 5 x 3
#> col_1 col_2 col_3
#> <dbl> <dbl> <dbl>
#> 1 4 1 3
#> 2 NA NA 2
#> 3 1 5 6
#> 4 NA NA NA
#> 5 3 5 2
由 reprex package (v0.3.0) 于 2021 年 6 月 5 日创建
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 dio@foxmail.com 举报，一经查实，本站将立刻删除。
