在带有 NA 的 R data.table 中使用 which.max 时缺少值

Question

我在使用 R data.table 进行分组和 which.max 时遇到了问题，我不确定这是否是一个错误，或者我没有正确理解 data.table 中的分组结构.我有一个解决方法，我只是想了解为什么我最初的尝试失败了。

我正在查看一个包含时间序列的表，我想获取 (a) 感兴趣事件发生的时间，或 (b) 时间序列中的最终时间戳。如果事件未发生，则列标记 events 为“NA”，如果发生，则为“1”。

这是重现问题的最小示例：

dt <- data.table(t = seq(9), event = c(NA, NA, NA, NA, 1, NA, 1, NA, NA), t_id = c(rep('A', 3), rep('B', 3), rep('C', 3)))
dt[, ifelse(is.null(which.max(event)), max(t), t[which.max(event)]), by=t_id]

这会返回

t_id    V1
   A    NA
   B    5
   C    7

“A”组的值为 NA（我天真地期望它为 3）。如果我在没有 ifelse 函数的情况下运行它

dt[, t[which.max(event)], by=t_id]

“A”的行完全丢失（which.max 返回 NULL）。但是如果我运行

dt[, is.null(which.max(event)), by=t_id]

我明白了

t_id    V1
   A    FALSE
   B    FALSE
   C    FALSE

我错过了什么？

Answer 1

这行得通吗：

library(data.table)
dt <- data.table(t = seq(9), 
                 event = c(NA, NA, NA, NA, 1, NA, 1, NA, NA), 
                 t_id = c(rep('A', 3), rep('B', 3), rep('C', 3)))
dt[, ifelse(length((na.omit(event)))==0, which.max(t), t[which.max(event)] ), by=t_id]


> dt[, ifelse(length((na.omit(event)))==0, which.max(t), t[which.max(event)] ), by=t_id]
   t_id V1
1:    A  3
2:    B  5
3:    C  7

您的方法的问题是 which.max() 不返回 NULL 对象：

> is.null(which.max(c(NA,NA,NA)))
[1] FALSE

但如果你尝试length()，你会得到预期的结果：

> length(which.max(c(NA,NA,NA))) == 0
[1] TRUE

我还了解 event 列可能包含 1 和 NA 以外的值。喜欢：

dt <- data.table(t = seq(9), event = c(NA, NA, NA, NA, 1,3, 5, 2, NA, 2, 1, NA, NA), t_id = c(rep('A', 3), rep('B', 6), rep('C', 4)))
dt[, ifelse(length((na.omit(event)))==0, which.max(t), t[which.max(event)] ), by=t_id]

在这种情况下，数据表如下所示：

> dt
    t event t_id
 1: 1    NA    A
 2: 2    NA    A
 3: 3    NA    A
 4: 4    NA    B
 5: 5     1    B
 6: 6     3    B
 7: 7     5    B
 8: 8     2    B
 9: 9    NA    B
10: 1     2    C
11: 2     1    C
12: 3    NA    C
13: 4    NA    C

结果：

> dt[, ifelse(length((na.omit(event)))==0, which.max(t), t[which.max(event)] ), by=t_id]
   t_id V1
1:    A  3
2:    B  7
3:    C  1

如果事件列只能包含NAs 和1s，那么解决方案会简单得多。

另一个注意事项（请参阅下面的讨论）：对于这种情况， ifelse(na.omit()) 可能不是最有效的 - 可以在 cmets 中找到一些建议。