如何使用 data.table 对缺失值进行交叉制表

Question

假设我们有这个玩具示例：

prueba <- data.table(aa=1:7,bb=c(1,2,NA, NA, 3,1,1),
cc=c(1,2,NA, NA, 3,1,1) , YEAR=c(1,1,1,2,2,2,2))

   aa bb cc YEAR
1:  1  1  1    1
2:  2  2  2    1
3:  3 NA NA    1
4:  4 NA NA    2
5:  5  3  3    2
6:  6  1  1    2
7:  7  1  1    2

我想创建一个包含 YEAR 值的表。 在这个简单的示例中，我将只询问我有多少丢失和未丢失的表格。

这是一种丑陋的做法，手动指定所有内容：

prueba[,.(sum(is.na(.SD)),sum(!is.na(.SD))), by=YEAR]

虽然它不会自动标记我们看到的新列，但它说我在第 1 年有 2 个缺失值和 7 个非缺失值，并且...

   YEAR V1 V2
1:    1  2  7
2:    2  2 10

它有效，但我真正想要的是能够使用 table() 或一些 data.table 等效命令，而不是手动指定每个术语。如果我有很多，或者我们事先不知道它们，那会更有效率。

我试过了：

prueba[,table(is.na(.SD)), by=YEAR]

但它不起作用，我明白了：

   YEAR V1
1:    1  7
2:    1  2
3:    2 10
4:    2  2

如何获得与上述相同的格式？
我不幸地尝试过使用 as.datable、unlist、lapply 和其他东西。我认为有些人使用 dcast，但我不知道如何在这里使用它。
有没有简单的方法来做到这一点？ 我真正的桌子很大。 使用列名而不是 .SD 会更好吗？

Answer 1

如果您希望将表格作为两个单独的列，您可以将其转换为列表

prueba[, as.list(table(is.na(.SD))), by=YEAR]

#    YEAR FALSE TRUE
# 1:    1     7    2
# 2:    2    10    2

我建议不要使用TRUE 和FALSE 作为列名。

prueba[, setNames(as.list(table(is.na(.SD))), c('notNA', 'isNA'))
       , by = YEAR]

#    YEAR notNA isNA
# 1:    1     7    2
# 2:    2    10    2

另一种选择是添加一个新列，然后添加dcast

na_summ <- prueba[, table(is.na(.SD)), by = YEAR] 
na_summ[, vname := c('notNA', 'isNA'), YEAR] 
dcast(na_summ, YEAR ~ vname, value.var = 'V1')

#    YEAR isNA notNA
# 1:    1    2     7
# 2:    2    2    10