使用 apply 使用每行中的非空白值创建一个新列答案

【问题标题】：Create a new column using the non-blank value from each row using apply使用 apply 使用每行中的非空白值创建一个新列
【发布时间】：2019-01-17 01:33:07
【问题描述】：

我有一个由 3 列组成的数据框，每列代表受访者所属的组。受访者属于这些组之一，并负责在他们所属的组列中提供他们的数字回答。因此，对于给定的行，其他 2 列将是空白的。

我需要创建一个包含他们分数的列，无论他们属于哪个组。在 Stackoverflow 上，有一个与我类似的问题，但它是针对 Python 的（参见 here）

以下是数据的样子和我所做的：

library(dplyr)

df <- data.frame(grp_A = c(13, NA, NA, NA, NA, 20, NA),
             grp_B = c(NA, 59, 66, NA, NA, NA, NA),
             grp_C = c(NA, NA, NA, 23, 42, NA, NA))

df$value <- apply(select(df, grp_A, grp_B, grp_C), 1,
              function(x) x[!is.na(x)])

由于某些行中缺少数据，R 错误地将新列转换为列表。我尝试使用as.data.frame 将其重新转换回数据框，但没有成功。

请告知如何防止新创建的列变成列表。

【问题讨论】：

标签： r dplyr apply

【解决方案1】：

无需使用 apply，因为对于每一行，您只有一个非 NA 值，我们可以使用 max.col 获得该值，而无需担心关系。

df$value <- df[cbind(1:nrow(df), max.col(!is.na(df)))]

df
#  grp_A grp_B grp_C value
#1    13    NA    NA    13
#2    NA    59    NA    59
#3    NA    66    NA    66
#4    NA    NA    23    23
#5    NA    NA    42    42
#6    20    NA    NA    20
#7    NA    NA    NA    NA

max.col 为我们提供每行的最大值的列号索引，由于我们将其包装在!is.na 中，它将为我们提供TRUE 的索引。

max.col(!is.na(df))
#[1] 1 2 2 3 3 1 2

您的apply 不起作用的原因是因为您的最后一行包含所有NAs 和x[!is.na(x)] 失败。如果您删除该行并运行您的函数，那么它将起作用

apply(df[-7, ], 1,function(x) x[!is.na(x)])
# 1  2  3  4  5  6 
#13 59 66 23 42 20

我们还可以通过删除NA 来找出每一行的max 值，但这将返回-Inf 用于所有NAs 的行

apply(df, 1,max, na.rm = TRUE)
#[1]   13   59   66   23   42   20 -Inf

【讨论】：

【解决方案2】：

基础 R rowMeans

df$new=rowMeans(df,na.rm=T)
df
  grp_A grp_B grp_C new
1    13    NA    NA  13
2    NA    59    NA  59
3    NA    66    NA  66
4    NA    NA    23  23
5    NA    NA    42  42
6    20    NA    NA  20
7    NA    NA    NA NaN

【讨论】：

【解决方案3】：

Reduce 和dplyr::coalesce 一起使用怎么样？

library(dplyr)

df <- data.frame(grp_A = c(13, NA, NA, NA, NA, 20, NA),
                 grp_B = c(NA, 59, 66, NA, NA, NA, NA),
                 grp_C = c(NA, NA, NA, 23, 42, NA, NA))

mutate(df, value = Reduce(coalesce, df))

结果：

  grp_A grp_B grp_C value
1    13    NA    NA    13
2    NA    59    NA    59
3    NA    66    NA    66
4    NA    NA    23    23
5    NA    NA    42    42
6    20    NA    NA    20
7    NA    NA    NA    NA

另一种选择是使用rowSums：

df$value <- rowSums(df, na.rm = T)

df[df$value == 0, ] <- NA

此外，在性能方面，基本Reduce 解决方案似乎是最有效的：

microbenchmark::microbenchmark(
  Reduce = Reduce(coalesce, df), 
  purrr = purrr::reduce(df, coalesce),
  rowMeans = rowMeans(df,na.rm=T), 
  rowSums = rowSums(df, na.rm = T), 
  cbind = df[cbind(1:nrow(df), max.col(!is.na(df)))],
  times = 1000
)

Unit: microseconds
     expr     min       lq     mean   median       uq       max neval cld
   Reduce  83.507 107.2095 145.4134 121.4320 137.8410 12190.845  1000  a 
    purrr 205.667 269.1175 357.5908 304.8540 342.4135 24316.051  1000   b
 rowMeans 129.089 159.3555 196.1438 174.4890 194.9095  5481.523  1000  a 
  rowSums 129.454 157.1680 197.2731 173.5775 196.0035  7685.874  1000  a 
    cbind 267.294 331.8385 408.3179 368.4860 410.2400  4533.050  1000   b

【讨论】：