通过分组和定义应保留的值来汇总所有行答案

【问题标题】：summarize_all rows by grouping and define which value should be kept通过分组和定义应保留的值来汇总所有行
【发布时间】：2021-08-06 13:49:15
【问题描述】：

我有一个数据框，其中合并了多个数据源。这将创建具有相同 ID 的行。现在我想定义应该保留哪一行的哪些值。

到目前为止，我一直在使用 dplyr 和 group_by 并汇总所有以保留第一个值（如果它不是 NA）。

这是一个例子：

# function f for summarizing
f <- function(x) {
            x <- na.omit(x)
            if (length(x) > 0) first(x) else NA
          }
# test data
test <- data.frame(id = c(1,2,1,2), value1 = c("a",NA,"b","c"), value2 = c(0:4))

  id value1 value2
  1      a      0
  2   <NA>      1
  1      b      2
  2      c      3

合并时得到如下结果

test <- test %>% group_by(id) %>% summarise_all(funs(f))
id value1 value2
1 a           0
2 c           1

现在的问题是：替换 NA (na.omit) 已经有效，但是我如何定义不是数值 0，而是接受不等于 0 的值。所以预期的结果是这样的：

id value1 value2
1 a           2
2 c           1

【问题讨论】：

标签： r dplyr summarize

【解决方案1】：

作为@RicS 旁注的旁注，从dplyr v1+ 开始，summarise_all() 已被弃用（被取代）。你应该使用across():

test %>% 
  group_by(id) %>% 
  summarise(across(.f=f))

【讨论】：

【解决方案2】：

你可以把f函数写成：

library(dplyr)

f <- function(x) x[!is.na(x) & x != 0][1]

test %>% group_by(id) %>% summarise(across(.fns = f))

#     id value1 value2
#  <dbl> <chr>   <int>
#1     1 a           2
#2     2 c           1

如果您的数据中没有非零或非 NA 值，使用 [1] 将自动返回 NA。

【讨论】：

【解决方案3】：

您可以修改您的 f 函数，方法是对不同于零的向量进行子集化

f <- function(x) {
  x <- na.omit(x)
  x <- x[x != 0]
  if (length(x) > 0) first(x) else NA
}

旁注： 从 dplyr 0.8.0 开始，funs 已弃用。您应该使用 lambda、函数列表或 lambda 列表。在这种情况下，我使用了一个 lambda：

test %>%
  group_by(id) %>%
  summarise_all(~f(.))

# A tibble: 2 x 3
     id value1 value2
  <dbl> <chr>   <int>
1     1 a           2
2     2 c           1

【讨论】：