根据 r 中的 NA 值对实例进行分组

Question

我正在阅读一个csv 文件，不幸的是我的数据框有很多缺失值。一个小片段如下：

df <- data.frame(Size= c(800, 850, 1100, 1200, 1000), 
                 Value= c(900, NA, 1300, 1100, NA),
                 Location= c(NA, 'midcity', 'uptown', NA, 'Lakeview'),
                 Num1 = c(2, NA, 3, 2, NA),
                 Num2 = c(2,3,3,1,2),
                 Rent= c('y', 'y', 'n', 'y', 'n'))

我想使用weka 预测一些结果，但如果我缺少多个属性，我就无法做到。我知道我应该使用函数is.na，但我不确定它可以通过什么方式完成，因为到目前为止我只将它用于求和和计数。

编辑： 例如，在此文件中，5 个实例中有 4 个缺失值。实例 2 和 5 共享相同的缺失属性（B 和 D），而实例 1 和 4 也共享相同的缺失值（C）。我想要得到的是一个由这些实例组成的数据框，因此我可以将它们导出到文件中并单独对这些文件运行分析。一个输出的例子可以是

> A

> B

编辑 2：

我想保存拆分，到目前为止我试过这个：

write.csv(split(temp, index), file = "C:/Users/Nikita/Desktop/splits.csv", row.names=FALSE)

但是它将所有的拆分写在一行中。有没有办法用一条线分隔它们？

编辑 3：

我的步骤是：

data <- read.csv("location")
index <- apply(is.na(data)*1, 1,paste, collapse = "")
s <- split(data, index)
lapply(s, function(x) {names(x) <- names(data);x})
big.data <- do.call(rbind, s)
write.csv(big.data, file = "location", row.names=FALSE)

我错过了什么吗？

Answer 1

df[!is.na(df$Value), ]
  Size Value Location Num1 Num2 Rent
1  800   900     <NA>    2    2    y
3 1100  1300   uptown    3    3    n
4 1200  1100     <NA>    2    1    y

和

df[is.na(df$Value), ]
  Size Value Location Num1 Num2 Rent
2  850    NA  midcity   NA    3    y
5 1000    NA Lakeview   NA    2    n

以后，请创建一个可重现的示例，以便用户不必根据您的问题手动创建数据框。图片没那么有用。

数据

df <- data.frame(Size= c(800, 850, 1100, 1200, 1000), 
                 Value= c(900, NA, 1300, 1100, NA),
                 Location= c(NA, 'midcity', 'uptown', NA, 'Lakeview'),
                 Num1 = c(2, NA, 3, 2, NA),
                 Num2 = c(2,3,3,1,2),
                 Rent= c('y', 'y', 'n', 'y', 'n'))

要结合所有这些，请使用 lapply，因为 split 创建了一个列表：

lapply(split(temp, index), write.csv, file = "C:/Users/Nikita/Desktop/splits.csv", row.names=FALSE)

使用 for 循环：

s <- split(temp, index)
for (i in 1:length(s)) {
  write.csv(s[i], file = paste0("C:/Users/Nikita/Desktop/", i, "splits.csv"), row.names=FALSE)
}

Answer 2

重新创建示例数据：

df <- data.frame(Size= c(800, 850, 1100, 1200, 1000), 
                 Value= c(900, NA, 1300, 1100, NA),
                 Location= c(NA, 'midcity', 'uptown', NA, 'Lakeview'),
                 Num1 = c(2, NA, 3, 2, NA),
                 Num2 = c(2,3,3,1,2),
                 Rent= c('y', 'y', 'n', 'y', 'n'))

现在，根据需要根据 NA 的模式拆分数据：

# This generates an index with 1 for a column with NA and 0 otherwise
index <- apply(is.na(df)*1, 1,paste, collapse = "")

# This splits the data.frame according to the index
split(df, index)
$`000000`
  Size Value Location Num1 Num2 Rent
3 1100  1300   uptown    3    3    n

$`001000`
  Size Value Location Num1 Num2 Rent
1  800   900     <NA>    2    2    y
4 1200  1100     <NA>    2    1    y

$`010100`
  Size Value Location Num1 Num2 Rent
2  850    NA  midcity   NA    3    y
5 1000    NA Lakeview   NA    2    n

请注意，第一个元素“000000”包含所有具有完整案例的观察结果。然后“001000”包含缺少第 3 列（位置）的所有观察值。以此类推。