“下标作业中不允许使用 NA”

Question

我有一个数据框，其中包含一些缺失值，我想从另一个日期框中获取并插入到第一个中。当我要补充的值在第一个数据帧的所有行中缺失时，此方法有效。

这是一个工作示例：

dat <- data.frame(code = c("A11", "B22"),
                  age = c(NA, NA),
                  sex = c(NA, NA),
                  more = c(7, 4),
                  stringsAsFactors = FALSE)

age.and.sex <- read.table(textConnection("
code age sex
A11 15 m
B22 10 f
"), header = TRUE, stringsAsFactors = FALSE)

dat$sex[match(dat$code, age.and.sex$code)] <- age.and.sex$sex
dat$age[match(dat$code, age.and.sex$code)] <- age.and.sex$age

dat
  code age sex more
1  A11  15   m    7
2  B22  10   f    4

问题是，当我没有从最火的数据框中的所有行中丢失值，但我只需要补充某些行时，我会收到错误。

这是一个不起作用的例子：

dat <- data.frame(code = c("A11", "B22", "C33"),
                  age = c(NA, NA, 12),
                  sex = c(NA, NA, "m"),
                  more = c(7, 4, 9),
                  stringsAsFactors = FALSE)

age.and.sex <- read.table(textConnection("
code age sex
A11 15 m
B22 10 f
"), header = TRUE, stringsAsFactors = FALSE)

dat$sex[match(dat$code, age.and.sex$code)] <- age.and.sex$sex
Error in dat$age[match(dat$code, age.and.sex$code)] <- age.and.sex$age : 
  NAs are not allowed in subscripted assignments
dat$age[match(dat$code, age.and.sex$code)] <- age.and.sex$age
Error in dat$age[match(dat$code, age.and.sex$code)] <- age.and.sex$age : 
  NAs are not allowed in subscripted assignments

我不明白 R 返回的错误。

我需要如何更改我的代码才能让它再次工作？

我想要达到的结果是：

dat
  code age sex more
1  A11  15   m    7
2  B22  10   f    4
3  C33  12   m    9

---

感谢大家迄今为止的帮助。但我必须承认，我对你的解决方案不太满意。

您建议采用四步方法：将一个数据框添加到另一个数据框，将值一个一个移动到所需的目的地，然后删除现在多余的辅助列。作为架构，您的解决方案如下所示：

这对我来说似乎非常复杂！

当我查看我的数据时，对我来说似乎显而易见的解决方案只有一个步骤：从一个数据帧中剪切“矩阵”并将其粘贴到另一个数据帧的“空白”区域。这是我脑海中的样子：

显然这实际上是可能的：

dat[1:2,2:3] <- age.and.sex[1:2,2:3]
dat
  code age sex more
1  A11  15   m    7
2  B22  10   f    4
3  C33  12   m    9

当然，这仅适用于两个数据帧以相同方式排序的情况。这就是我使用match() 的原因，它克服了行不排序时的问题——但在行数不同时会失败。

或者有没有办法match()，即使行数不一样？

Answer 1

您正在尝试分配给这三行：

> match(dat$code, age.and.sex$code)
[1]  1  2 NA

因为dat$code和age.and.sex$code长度不一样，所以第三个比较的是NA。

我不确定您实际上要匹配什么，但您可以尝试对前两个观察值进行子集化，或 na.omit 等。

但连接两个表中的数据的更好方法是使用join。

library(data.table)
dat <- data.table(dat)
setkey(dat,code)
age.and.sex <- data.table(age.and.sex)
setkey(age.and.sex,code)
dat[age.and.sex]
> dat[age.and.sex]
   code age sex more i.age i.sex
1:  A11  NA   m    7    15     m
2:  B22  NA   f    4    10     f

注意内部表的列是如何附加到外部表的列的。

更多...根据@joran 的建议...您可以使用这种技术来填补缺失的观察结果：

joined <- dat[age.and.sex]
joined[is.na(age),age:=i.age] #only replace the value missing from left table
joined[,c("i.age","i.sex"):=NULL]
joined
> joined
   code age sex more
1:  A11  15   m    7
2:  B22  10   f    4

更新以解决您的评论...只需反转加入即可。有一些更聪明的方法可以减少手动操作，但这应该很容易遵循：

joined <- age.and.sex[dat]
joined[is.na(age),age:=i.age]
joined[is.na(sex),sex:=i.sex]
joined[,c("i.age","i.sex"):=NULL]
> joined
   code age sex more
1:  A11  15   m    7
2:  B22  10   f    4
3:  C33  12   m    9

如果您喜欢这种技术，您绝对应该阅读?data.table 和相关的vignette 以了解有关联接的更多信息。