NA 在 R 中的 pivot_wider 之后答案

【问题标题】：NA's After pivot_wider in RNA 在 R 中的 pivot_wider 之后
【发布时间】：2021-06-05 21:59:57
【问题描述】：

我看过一些关于我的问题的帖子，但我认为我的问题有点不同。我试图遵循解决方案，但都无济于事。最初，我为176 column 的数据集做了一个pivot_longer，当我做summary(df) 时没有NA。 pivot_longer 之后的数据集如下所示：


region transportation_type country date value

Albania driving Albania 2020-01-13  100.00
Albania driving Albania 2020-01-14  95.30
Albania driving Albania 2020-01-15  101.43
Albania driving Albania 2020-01-16  97.20
Albania driving Albania 2020-01-17  103.55
Albania driving Albania 2020-01-18  112.67

但是，我需要使用 country 和 region 分析 transportation_type，所以我使用以下代码进行了 pivot_wider：

p_wide <- mobilityTrendData %>% 
    group_by(transportation_type) %>%
    mutate(row = row_number()) %>%
    pivot_wider(names_from = transportation_type, 
                values_from = daily_result) %>%
    select(-row)

注意：列名 'value' 已更改为 'daily_result' 并且数字已经是 scaled 来自 value 列

结果如下：

> summary(p_wide)
    region            country              date              driving         walking      
 Length:598230      Length:598230      Length:598230      Min.   :-2.09   Min.   :-2.1    
 Class :character   Class :character   Class :character   1st Qu.:-0.46   1st Qu.:-1.0    
 Mode  :character   Mode  :character   Mode  :character   Median : 0.00   Median :-0.3    
                                                          Mean   : 0.10   Mean   :-0.4    
                                                          3rd Qu.: 0.49   3rd Qu.: 0.1    
                                                          Max.   :25.60   Max.   :10.6    
                                                          NA's   :80070   NA's   :537880  
    transit      
 Min.   :-2.1    
 1st Qu.:-1.4    
 Median :-0.8    
 Mean   :-0.7    
 3rd Qu.:-0.1    
 Max.   : 5.2    
 NA's   :560490

我在 driving、walking 和 transit 的大部分行中都有 NA。什么可以导致完全知道在以前的数据集中没有 NA？

我该如何解决这个问题？

【问题讨论】：

我在答案中选择了 Andy Eggers 的解释。当您pivot_wider() 时，标题将基于您突破的列的所有组合。检查您的long tibble，每个国家/地区每天都有每个活动（步行、驾驶、过境）的条目。我很确定 NA 来自 missing 条目。请注意，如果您在 pivot_longer 之后通过插补更正 NA，这并不能确保您拥有所有组合的条目。这是您需要检查（和估算）的东西。正如安迪所说：你看到的是数据的特征！

标签： r dplyr pivot tidyr

【解决方案1】：

假设您有一个日期和一个地区/国家/地区组合，其中您有 driving 的值，但没有 walking 的值。那么当你pivot_wider 时，你应该有NA 对应walking。长数据集中没有NA，但实际上缺少一行。

至于如何解决这个问题：如果我正确理解了这个问题，那么修复不是问题，而是数据的一个特征。

PS：我不明白您为什么要执行 group_by() 操作，或者为什么要创建然后删除 row 变量。如果我遗漏了什么，我怀疑这是group_by() 对pivot_wider() 的影响。

【讨论】：

最初，当我加载数据集 R 时，我的数据集的数字列中有缺失值。我用以下代码用 NA 替换了缺失值：mobilityTrendData[mobilityTrendData ==""]<-NA 在pivot_longer 之后，我替换了 NA平均而言，这段代码：mobilityTrendData$daily_result[is.na (mobilityTrendData$daily_result)]<- mean(mobilityTrendData$daily_result, na.rm = T)。我使用了group_by()，因为我希望driving、walking 和transit 分别有一个单独的列和值。我放弃了row，因为我认为我不需要它。我需要一种更好的方法来做到这一点
我删除了group_by () 我运行了这样的代码：p_wide<-mobilityTrendData %>% mutate(row = row_number())%>%pivot_wider(names_from = transportation_type, values_from = daily_result) %>% select(-row)。我在walking、driving、transit 列中仍然有 NA。我担心的是为什么我在pivot_wider 中有NA，而pivot_longer 数据集中没有NA？同样，如果我不添加这个mutate(row = row_number())，我将在walking、driving、transit 的所有列中得到像<dbl [170]> <NULL> <NULL> 这样的非常糟糕的输出。我的目标是没有 NA。