具有特定数量缺失值的行数

Question

想象一个像下面这样的小数据集，由三个变量组成：

 v1 <- c(0, 1, NA, 1, NA, 0)
 v2 <- c(0, 0, NA, 1, NA, NA)
 v3 <- c(1, NA, 0, 0, NA, 0)
 df <- data.frame(v1, v2, v3)

 df
   v1 v2 v3
 1  0  0  1
 2  1  0 NA
 3 NA NA  0
 4  1  1  0
 5 NA NA NA
 6  0 NA  0

可以如下使用 is.na 命令来计算至少有一个缺失值的行数 - R 将返回 4：

sum(is.na(df$v1) | is.na(df$v2) | is.na(df$v3))

或缺少所有三个值的行数 - R 将返回 1：

sum(is.na(df$v1) & is.na(df$v2) & is.na(df$v3))

此时有两个问题：

(1) 如何计算缺少“正好一个”或“正好两个”值的行数？

(2) 如果我要在一个大数据集上做上面的，如何将计算的范围限制在v1、v2和v3（即不用创建一个子集）？

我尝试了 is.na、nrow 和 df 的变体，但无法让它们中的任何一个工作。

谢谢！

Answer 1

我们可以在逻辑矩阵（is.na(df)）上使用rowSums，并检查NA的数量是否等于感兴趣的值。

n1 <- 1
sum(rowSums(is.na(df))==n1)

为方便起见，请创建一个函数来执行此操作

f1 <- function(dat, n){
          sum(rowSums(is.na(dat)) == n)
        }


f1(df, 0)
#[1] 2
f1(df, 1)
#[1] 2

f1(df, 3)
#[1] 1
f1(df, 2)
#[1] 1

注意：rowSums 非常快，但如果是大型数据集，那么创建逻辑矩阵也会在内存中产生问题。因此，我们可以在遍历数据集的列（lapply(df, is.na)）之后使用Reduce。

sum(Reduce(`+`, lapply(df, is.na))==1)
#[1] 2

f2 <- function(dat, n){
      sum(Reduce(`+`, lapply(dat, is.na))==n)
 }

f2(df, 1)

Answer 2

试试这个：

num.rows.with.x.NA <- function(df, x, cols=names(df)) {
   return(sum(apply(df, 1, function(y) sum(is.na(y[cols])) == x)))
}

df

  v1 v2 v3
1  0  0  1
2  1  0 NA
3 NA NA  0
4  1  1  0
5 NA NA NA
6  0 NA  0

num.rows.with.x.NA(df, 0, names(df))
#[1] 2
num.rows.with.x.NA(df, 1, names(df))
#[1] 2
num.rows.with.x.NA(df, 2, names(df))
#[1] 1
num.rows.with.x.NA(df, 3, names(df))
#[1] 1