group_by() 到 fill() 没有按预期工作

Question

我正在尝试使用dplyr 和tidyr 对一些格式不正确的数据执行最后一次观察结转操作。它没有像我预期的那样工作。

library(dplyr)
library(tidyr)

df <- data.frame(id=c(1,1,2,2,3,3),
                 email=c('bob@email.com', NA, 'joe@email.com', NA, NA, NA))
df2 <- df %>% group_by(id) %>% fill(email)

这会导致：

Source: local data frame [6 x 2]
Groups: id [3]

     id         email
  (dbl)        (fctr)
1     1 bob@email.com
2     1 bob@email.com
3     2 joe@email.com
4     2 joe@email.com
5     3 joe@email.com
6     3 joe@email.com

我希望它是：

Source: local data frame [6 x 2]
Groups: id [3]

     id         email
  (dbl)        (fctr)
1     1 bob@email.com
2     1 bob@email.com
3     2 joe@email.com
4     2 joe@email.com
5     3 NA
6     3 NA

我希望它是后者的原因是因为group_by 的文档说：“group_by 函数采用现有的 tbl 并将其转换为分组 tbl，其中“按组”执行操作。”本例中的组由id变量确定，下面的操作为fill(email)。但是，很明显它没有这样做。

---

在任何人问之前，如果字段都是character 而不是numeric 或factor，这没有区别。

---

更新 @aosmith 在 Github 上指出了 this open issue。我要说的是，在这个问题得到解决之前，不会有适当的解决方案。其他一切都只是一种解决方法。因此，如果有人成功地 PR 解决了该问题并将其发布在此处，我很乐意将其标记为解决方案。

Answer 1

这个问题我遇到过好几次了，我确实担心用这个..

df2 <- df %>% group_by(id) %>% fill(email)

在大型数据集上，因为我的结果好坏参半，并找到了以下解决方法。与 map_df 一起使用的 split 函数可确保您将所做的任何事情应用于每个 id 和 map_df 的特定 df，然后像魔术一样重新绑定所有单独的 df。在许多其他情况下，它也被证明很方便。现在这个问题已经过时了，但仍然是一个有用的替代方案，可以避免 group_by()。

df %>% split(.$id) %>% map_df(function(x){ x %>% fill(email)})

Answer 2

看起来这已在 tidyr 的开发版本中得到修复。您现在使用来自 tidyr_0.3.1.9000 的 fill 获得每个 id 的预期结果。

df %>% group_by(id) %>% fill(email)

Source: local data frame [6 x 2]
Groups: id [3]

     id         email
  (dbl)        (fctr)
1     1 bob@email.com
2     1 bob@email.com
3     2 joe@email.com
4     2 joe@email.com
5     3            NA
6     3            NA

Answer 3

另一种选择是使用来自dplyr 的do：

df3 <- df %>% group_by(id) %>% do(fill(.,email))

Answer 4

这有点难看，但它是另一种使用 dplyr 并适用于您的示例数据的选项

df %>%
   group_by(id) %>%
   mutate(email = email[ !is.na(email) ][1])

Answer 5

幸运的是，您仍然可以为此使用 zoo::na.locf：

df %>% 
    group_by(id) %>% 
    mutate(email = zoo::na.locf(email, na.rm = FALSE))  
# Source: local data frame [6 x 2]
# Groups: id [3]
# 
#      id         email
#   (dbl)        (fctr)
# 1     1 bob@email.com
# 2     1 bob@email.com
# 3     2 joe@email.com
# 4     2 joe@email.com
# 5     3            NA
# 6     3            NA

Answer 6

两个问题，是不是重复了，一定要用dplyr和tidyr吗？

也许这可能是一个解决方案？

(
bar <- data.frame(id=c(1,1,2,2,3,3),
                 email=c('bob@email.com', NA, 'joe@email.com', NA, NA, NA))
)                 
#> id         email
#>  1 bob@email.com
#>  1          <NA>
#>  2 joe@email.com
#>  2          <NA>
#>  3          <NA>
#>  3          <NA>

(                 
foo <- bar[!duplicated(bar$id),]
)
#> id         email
#>  1 bob@email.com
#>  2 joe@email.com
#>  3          <NA>