计算每组的完整个案

Question

我有一个大数据集（大约 10 000 行），并且想创建一个函数来计算每组完整案例（不是 NA）的数量。我尝试了各种函数（聚合、table、求和（complete.cases）、group_by 等），但不知何故我错过了一个——可能是小技巧。感谢您的帮助！

一个小样本数据集来解释，我需要的结果。

x <- data.frame(group = c(1:4), 
                age = c(4:1, c(11, NA,13, NA)), 
                speed = c(12, NA,15,NA))
print(x)
#  group age speed
#1     1   4    12
#2     2   3    NA
#3     3   2    15
#4     4   1    NA
#5     1  11    12
#6     2  NA    NA
#7     3  13    15
#8     4  NA    NA

我写的一个函数是这样写的：

CountPerGroup <- function(group) {
    data.set <- subset(x,group %in% group)

    vect <- vector()
    for (i in 1:length(group)) {
        vect[i] <- sum(complete.cases(data.set))
    }
    output <- data.frame(cbind(group,count=vect))   
    return(output)

}

的结果

CountPerGroup(2:1)

是

  group count
1     2     4
2     1     4

不幸的是，这是错误的。相反，结果应该看起来像

  group count
1     2     1
2     1     4

我错过了什么？我如何告诉 R 计算每个组 complete.cases ？非常感谢您对此的任何帮助！

Answer 1

如果您希望保持您的功能，类似的东西应该可以解决问题：

x <- data.frame(group = c(1:4), 
                age = c(4:1, c(11, NA,13, NA)), 
                speed = c(12, NA,15,NA))

CountPerGroup <- function(x, groups) {
  data.set <- subset(x, group %in% groups)
  ans <- sapply(split(data.set, data.set$group), 
                function(y) sum(complete.cases(y)))
  return(data.frame(group = names(ans), count = unname(ans)))
}


CountPerGroup(x, 1:2)
#  group count
#1     1     2
#2     2     0

据我所知，这是正确的。但是它不同意你建议的结果。

编辑

您似乎希望非 NA 的数字正确排序。请改用此函数：

CountPerGroup2 <- function(x, groups) {
   data.set <- subset(x, group %in% groups)
   ans <- sapply(split(data.set, data.set$group), 
                 function(y) sum(!is.na(y[, !grepl("group", names(y))])))[groups]
   return(data.frame(group = names(ans), count = unname(ans)))
}

CountPerGroup2(x, 2:1)
#  group count
#1     2     1
#2     1     4

Answer 2

这里有一个方法 data.table

library(data.table)
library(functional)

countPerGroup = function(x, vec)
{
    dt = data.table(x) 
    d1 = setkey(dt, group)[group %in% vec]
    d2 = d1[,lapply(.SD, Compose(Negate(is.na), sum)),by=group]
    transform(d2, count=age+speed, speed=NULL, age=NULL)
}


countPerGroup(x, 1:2)
#   group count
#1:     1     4
#2:     2     1

countPerGroup(x, c(1,2))
#   group count
#1:     1     4
#2:     2     1

如果您的 data.table 中有很多行，它特别有效！

Answer 3

如果您只是想寻找一种方法来获取每组非 NA 值的完整计数，您可以使用类似的方法：

library(plyr)
x <- data.frame(group = c(1:4), 
                age = c(4:1, c(11, NA,13, NA)), 
                speed = c(12, NA,15,NA))

counts <- ddply(x, "group", summarize, count=sum(!is.na(c(age, speed))))

##   group count
## 1     1     4
## 2     2     1
## 3     3     4
## 4     4     1

您确实错过了一个函数让您可以查询组的子集，但是您得到了一种计算完整解决方案的单行方法。

Answer 4

我刚刚遇到了同样的问题并找到了更简单的解决方案

图书馆(data.table)

x <- data.table(group = c(1:4), 
                age = c(4:1, c(11, NA,13, NA)), 
                speed = c(12, NA,15,NA))
x[,sum(complete.cases(.SD)), by=group]

计算每组的完整个案

Count Complete Cases per Group

r

function

count