分组然后计算缺失的变量？答案

【问题标题】：group by and then count missing variables?分组然后计算缺失的变量？
【发布时间】：2016-02-12 13:46:44
【问题描述】：

我的数据如下所示：

df1 <- data.frame(
  Z = sample(LETTERS[1:5], size = 10000, replace = T),
  X1 = sample(c(1:10,NA), 10000, replace = T),
  X2 = sample(c(1:25,NA), 10000, replace = T),
  X3 = sample(c(1:5,NA), 10000, replace = T)
)

我可以用以下方法计算缺失的变量：

data.frame("Total Missing" = colSums(is.na(df1)))

但是，我想通过Z 来做这个。即Z每个值的缺失X1-3个数。

我试过了

df1 %>% group_by(Z) %>% summarise('Total Missing' = colSums(is.na(df1)))

但它并没有像我预期的那样工作。

【问题讨论】：

标签： r dplyr

【解决方案1】：

你可以使用summarise_each:

df1 %>% 
  group_by(Z) %>% 
  summarise_each(funs(sum(is.na(.))))
#Source: local data frame [5 x 4]
#
#       Z    X1    X2    X3
#  (fctr) (int) (int) (int)
#1      A   169    77   334
#2      B   170    77   316
#3      C   159    78   348
#4      D   181    79   326
#5      E   174    69   341

请注意，您可以在summarise_each 中指定将函数应用于哪些列（默认是除分组列之外的所有列）或函数应该不应用于哪些列。您可能还需要注意，就像 summarise_each 到 summarise，如果您想在不汇总结果的情况下将函数应用于所有列，还有 mutate_each 作为 mutate 的补充。

强制性 data.table 等效项是：

library(data.table)
setDT(df1)[, lapply(.SD, function(x) sum(is.na(x))), by = Z]
#   Z  X1 X2  X3
#1: D 181 79 326
#2: C 159 78 348
#3: B 170 77 316
#4: A 169 77 334
#5: E 174 69 341

在基础 R 中，您可以使用如下拆分/应用/组合方法：

do.call(rbind,
        lapply(
          split(df1, df1$Z), function(dd) {
            colSums(is.na(dd[-1]))
          }))
#   X1 X2  X3
#A 169 77 334
#B 170 77 316
#C 159 78 348
#D 181 79 326
#E 174 69 341

或者，同样在基础 R 中，您可以使用 aggregate：

aggregate(df1[-1], list(df1$Z), FUN = function(y) sum(is.na(y))) 
aggregate(. ~ Z, df1, FUN = function(y) sum(is.na(y)), na.action = "na.pass") # formula interface

【讨论】：