【发布时间】：2020-10-14 18:30:45
【问题描述】：
我有一个空气污染站的数据框，每个站都有一个代码 c，以及污染物 nox、no2、pm10、pm25 的测量值。例如：
kcl_data
+-----------------------+--------+---------+----------+-------+------+--+
| date | nox | no2 | pm10 | pm25 | code | |
+-----------------------+--------+---------+----------+-------+------+--+
| 2018-01-01 00:00:00 | 18.5 | 14.6 | 11.4 | 9 | BL0 | |
| 2018-01-01 01:00:00 | 20.2 | 17.3 | 8.9 | 7.2 | BL0 | |
| 2018-01-01 02:00:00 | 20.3 | 17.5 | 6.9 | 6 | BL0 | |
| 2018-01-01 03:00:00 | na | 17.3 | 5.6 | 1.5 | BL0 | |
| 2018-01-01 04:00:00 | 14.3 | 12.9 | na | 4.9 | BL0 | |
+-----------------------+--------+---------+----------+-------+------+--+
每个站点在不同时间记录许多不同污染物的值，我想使用 purrr::map（或 map_df）返回一个数据框，其中包含每个污染物和站点的空值数。结果应如下所示：
+--------+--------+---------+---------+------+--+
| nox_na | no2_na | pm10_na | pm25_na | code | |
+--------+--------+---------+---------+------+--+
| 1 | 0 | 0 | 1 | BL0 | |
| 0 | 2 | 0 | 0 | BQ7 | |
| 3 | 0 | 0 | 6 | BZ2 | |
+--------+--------+---------+---------+------+--+
问题是我编写的函数更像是 ::map 后跟 ::reduce 而不是 ::map。这是我尝试过的代码：
nas_by_code_and_pollutant <- function(c,p) {
df_sub <- filter(kcl_data, code %in% c) %>%
select(p)
sum_na <- map(df_sub, ~sum(is.na(.)))
sum_na
}
# this seems to work OK for one code and one pollutant
nas_by_code_and_pollutant('BQ7','nox') # $nox [1] 240
# Now I want to output a dataframe of station codes and the number of nas by pollutant
result_df <- map_df(codes, ~nas_by_code_and_pollutant(.codes,'nox'))
result_df
但是，result_df 是对每个代码（如 map 和 reduce）的总 nas 求和，而不是生成一个数据帧，其中包含一列站点代码和污染物的 nas 数量。
# A tibble: 1 x 1
nox
<int>
1 274709
大概这也可以很简单地使用 groupby(code) 并对 nas 求和来完成，但我想正确地使用 purrr 方式。感谢您的帮助！
【问题讨论】：
-
抱歉，不，这是我最初的设置，它只是一个保存所有数据的数据框。我确实尝试了 map(.x, f) ，其中 x 是一个数据帧列表，每个数据帧都有一个代码，但也无法让它工作
-
我会使用
group_split，然后遍历list。也许这对你有帮助。