有NA值时如何正确使用apply函数

Question

我想用随机 NA 值在数据帧的多列上计算一个函数。我有两个问题：

如何处理NA？当我在非 NA 列上尝试时，代码运行，但是 returns NA 当有 NA 时，即使我删除了它们。
如何以数据帧格式而不是多个数组的形式打印结果？我使用了 mapply 但它似乎没有正确计算。

这是我的代码：

#create a data frame with random NAs
df<-data.frame(category1 = sample(c(1:10),100,replace=TRUE),
           category2 = sample(c(1:10),100,replace=TRUE)
)
insert_nas <- function(x) {
   len <- length(x)
   n <- sample(1:floor(0.2*len), 1)
   i <- sample(1:len, n)
   x[i] <- NA 
   x
}
df <- sapply(df, insert_nas) %>% as.data.frame()
df$type <- sample(c("A", "B", "C"),100,replace=TRUE)


#using apply:
library(NPS)
apply(df[,c('category1', 'category2')], 2, 
   function(x) df %>% filter(!is.na(x)) %>% group_by(type) %>%
   transmute(nps(x)) %>% unique()
)
#results:
$category1
# A tibble: 3 x 2
# Groups:   type [3]
type  `nps(x)`
<chr>    <dbl>
1 B           NA
2 A           NA
3 C           NA
...

#using mapply
mapply(function(x) df %>% filter(!is.na(x)) %>% group_by(type) %>%
   transmute(nps(x)) %>% unique(), df[,c('category1', 'category2')])

#results:
       category1   category2  
type   Character,3 Character,3
nps(x) Numeric,3   Numeric,3

关于我使用的函数，它没有内置的方法来处理 NA，所以我在调用它之前删除了 NA。

Answer 1

我仍然使用了您代码的 !is.na 部分，因为 nps 似乎无法处理 NA，即使文档说它应该处理（可能的错误）。我将您的 apply 更改为 lapply 并将变量作为列表传递。然后我用get把引号里出现的变量名识别为你df里的一个变量。

df<-data.frame(category1 = sample(c(1:10),100,replace=TRUE),
               category2 = sample(c(1:10),100,replace=TRUE)
)
insert_nas <- function(x) {
  len <- length(x)
  n <- sample(1:floor(0.2*len), 1)
  i <- sample(1:len, n)
  x[i] <- NA 
  x
}
df <- sapply(df, insert_nas) %>% as.data.frame()
df$type <- sample(c("A", "B", "C"),100,replace=TRUE)


#using apply:
library(NPS)
df2 <- as.data.frame(lapply(c('category1', 'category2'),  
      function(x) df %>% filter(!is.na(get(x))) %>% group_by(type) %>%
        transmute(nps(get(x))) %>% unique()
),stringsAsFactors = FALSE)

colnames(df2) <- c("type", "nps_cat1","type2","nps_cat2")
#type2 is redundant
df2 <- select(df2, -type2)

有NA值时如何正确使用apply函数

How to use apply functions correctly when there are NA values

r

apply

na

mapply

dplyr