跳过data.table中的NA

Question

我想使用data.table，但如果by 对应于缺失（NA），我想跳过j 部分的计算：

这是一个示例 data.table

library(data.table)
DT <- data.table(y=10, g=c(1,1,1,2,2,2,2,2,NA,NA))

看起来像这样

> DT
     y  g
 1: 10  1
 2: 10  1
 3: 10  1
 4: 10  2
 5: 10  2
 6: 10  2
 7: 10  2
 8: 10  2
 9: 10 NA
10: 10 NA

现在我想在g 上执行by=，第 9 行和第 10 行将合并在一起，因为它们具有相同的值 NA。

> DT[,.N, by=g]
    g N
1:  1 3
2:  2 5
3: NA 2

我想将NA 行保留在输出中，但希望跳过结果中的计算部分，即获取输出，其中g 为NA 时N 为空

> DT[,.N, by=g]
    g N
1:  1 3
2:  2 5
3: NA NA

我以为我可以通过.GRP 访问g 的值，但这只会给出组索引而不是值。是否可以根据by 变量的缺失状态进行计算？

Answer 1

你可以试试这个：

DT[, .N * NA^is.na(g), by = g]

    g V1
1:  1  3
2:  2  5
3: NA NA

它是Henrik'sif ... else ... 子句的代数版本。 它使用NA^0 返回1 而NA^1 返回NA 并且FALSE 和TRUE 可以强制转换为0 和1 的事实。

如果要控制列名：

DT[, .(n = .N * NA^is.na(g)), by = g]

    g  n
1:  1  3
2:  2  5
3: NA NA

或者，如果上面看起来很棘手，您可以求助于 data.table 链接（感谢 Sotos 提出这个问题）：

DT[, .N, by = g][is.na(g), N := NA][]

这将改变聚合后N的值。