填充列中的缺失值，然后过滤

如何解决填充列中的缺失值，然后过滤

我正在抓取一些 PDF 数据，在我准备好进入下一步之前需要注意它。列 x1 是唯一 ID，然后 x2 是获取类型。我需要在这些类型之间复制 UID，以便我可以根据类型进行过滤。下面是一些示例数据以及我想要的。我现在对 type4 特别感兴趣，但以后可能需要其他类型。

我没有尝试过的代码，因为我不确定如何解决这个问题。采集类型是一致的——在示例数据中，总会有4种类型，并且UID确实出现在x1和x2列中。

数据如何读入 R：

df <- data.frame(x1 = c(100,"",101,102,""),x2 = c(100,"type1","type2","type3","type4","type4"),x3 = c(1:15),x4 = c(31:45),x5 = c(100:114))

    x1    x2 x3 x4  x5
1  100   100  1 31 100
2      type1  2 32 101
3      type2  3 33 102
4      type3  4 34 103
5      type4  5 35 104
6  101   101  6 36 105
7      type1  7 37 106
8      type2  8 38 107
9      type3  9 39 108
10     type4 10 40 109
11 102   102 11 41 110
12     type1 12 42 111
13     type2 13 43 112
14     type3 14 44 113
15     type4 15 45 114

所需数据

goal <- data.frame(x1 = c(100,102),x2 = c("type4",x3 = c(5,10,15),x4 = c(35,40,45),x5 = c(104,109,114))

   x1    x2 x3 x4  x5
1 100 type4  5 35 104
2 101 type4 10 40 109
3 102 type4 15 45 114

我也愿意采用不同的方法来解决这个问题，但复制 UID 直到有新的 UID 是我认为最好的工作方式。

解决方法

根据要求 - 先填充，然后过滤... 这仅使用 tidyverse。我先用 NA 替换了空字符串 ""。

library(tidyverse)
df <- data.frame(x1 = c(100,"",101,102,""),x2 = c(100,"type1","type2","type3","type4","type4"),x3 = c(1:15),x4 = c(31:45),x5 = c(100:114))

df %>% 
  mutate(x1 = as.integer(x1)) %>%
  fill(x1) %>%
  filter(x2 == "type4")

#>    x1    x2 x3 x4  x5
#> 1 100 type4  5 35 104
#> 2 101 type4 10 40 109
#> 3 102 type4 15 45 114

另一种方法利用数据的明显有序和规则结构：（仅在本例中使用基数 R）

x1 <- na.omit(as.integer(df$x1))
df2 <- subset(df,x2 == "type4")
df2$x1 <- x1

df2
#>     x1    x2 x3 x4  x5
#> 5  100 type4  5 35 104
#> 10 101 type4 10 40 109
#> 15 102 type4 15 45 114

使用 by 进行拆分组合。使用 transform 回收 x1 的第一个元素。

res <- `rownames<-`(do.call(rbind,by(df,rep(1:(nrow(df)/5),each=5),function(x) {
  transform(x,x1=x1[1])
})),NULL)
res
#     x1    x2 x3 x4  x5
# 1  100   100  1 31 100
# 2  100 type1  2 32 101
# 3  100 type2  3 33 102
# 4  100 type3  4 34 103
# 5  100 type4  5 35 104
# 6  101   101  6 36 105
# 7  101 type1  7 37 106
# 8  101 type2  8 38 107
# 9  101 type3  9 39 108
# 10 101 type4 10 40 109
# 11 102   102 11 41 110
# 12 102 type1 12 42 111
# 13 102 type2 13 43 112
# 14 102 type3 14 44 113
# 15 102 type4 15 45 114

然后随意过滤。

res[res$x2 %in% "type4",]
#     x1    x2 x3 x4  x5
# 5  100 type4  5 35 104
# 10 101 type4 10 40 109
# 15 102 type4 15 45 114

注意： `rownames<-`(...,NULL) 只是装饰品，你也可以省略。