加入数据但忽略缺失值

Question

我在使用 dplyr 连接数据帧时遇到了一些问题，我想忽略 NA。

我的数据量很大，但简化版如下：

id <- c("id1", "id2", "id3", "id4")
A <- c("E", "F", "G", NA)
B <- c("T", NA, "N", "T")
C <- c(NA, "T", "U", NA)

df <- data.frame(A, B, C)

     id    A    B    C
1    id1   E    T    NA
2    id2   F    NA   T
3    id3   G    N    U
4    id4   NA   T    NA

我有一个要与 df 匹配的条目，例如：

df2 <- data.frame(A = "E", B = "T", C = "M")

    A    B    C
1   E    T    M

因此，我想从 df 中获取与 df2 匹配的所有行，但应忽略 NA。所以结果应该是这样的：

     id    A    B    C
1    id1   E    T    NA
2    id4   NA   T    NA

我试图用 semi_join 来做这件事，但到目前为止还没有成功：

result <- df %>%
  group_by(n = seq(n())) %>%
  do(modify_if(., is.na, ~NULL) %>%
       semi_join(df2, by = c("A", "B", "C"))) %>%
  ungroup %>%
  select(-n)

这导致：

Error: `by` can't contain join column `C` which is missing from LHS
Call `rlang::last_error()` to see a backtrace

谁知道答案？

Answer 1

这是一个混合了 tidyverse 和 base R 的解决方案。我认为这很清楚，但我对一个并非完全人为设计的纯 tidyverse 实现感兴趣。

想法是首先展开 df 和 df2 中的所有条目，然后使用循环过滤所有列。

数据：

id <- c("id1", "id2", "id3", "id4")
A <- c("E", "F", "G", NA)
B <- c("T", NA, "N", "T")
C <- c(NA, "T", "U", NA)

df <- data.frame(id, A, B, C, stringsAsFactors = F) # Make sure to use strings not factors
df2 <- data.frame(A = "E", B = "T", C = "M", stringsAsFactors = F)

代码：

library(tidyr)
results <- crossing(df, df2)
select_columns <- c("A", "B", "C")
for(col in select_columns) {
  keep <- is.na(results[[col]]) | results[[col]] == results[[paste0(col, 1)]]
  results <- results[keep,, drop=F]
}
results <- results %>% dplyr::select(id, A:C) %>% distinct
results

   id    A B    C
1 id1    E T <NA>
2 id4 <NA> T <NA>

Answer 2

如果您只需要对一组值执行此操作，这可能是最直接的方法：

d[A %in% c("E",NA) & B %in%c("T",NA) & C %in% c("M",NA),]

Answer 3

另一个使用 tidyverse 和 base (dplyr, tidyr, base) 的例子：

在这里，我将你的 df2 转换成一个数据框，其中包含你想要接受的所有值组合（（E 或 NA）&（T 或 NA）&（M 或 NA）），然后我进行内部连接有了这个全套。还有其他方法可以创建所有可能组合的数据框，但这个使用 tidyr 相当容易。

library(dplyr)
library(tidyr)

id <- c("id1", "id2", "id3", "id4")
A <- c("E", "F", "G", NA)
B <- c("T", NA, "N", "T")
C <- c(NA, "T", "U", NA)

df <- data.frame(A, B, C, stringsAsFactors = FALSE)

df2 <- data.frame(A = "E", B = "T", C = "M",stringsAsFactors = FALSE)

df2_expanded <- df2 %>%
  rowwise() %>%
  mutate(combinations = list(expand.grid(A = c(A,NA),B = c(B,NA),C = c(C,NA),stringsAsFactors = FALSE))) %>%
  select(-A,-B,-C) %>%
  unnest(combinations)

# A tibble: 8 x 3
#   A     B     C    
# <chr> <chr> <chr>
# 1 E     T     M    
# 2 NA    T     M    
# 3 E     NA    M    
# 4 NA    NA    M    
# 5 E     T     NA   
# 6 NA    T     NA   
# 7 E     NA    NA   
# 8 NA    NA    NA   

df %>%
  inner_join(df2_expanded)

#      A B    C
# 1    E T <NA>
# 2 <NA> T <NA>

加入数据但忽略缺失值

Join data but ignore missing values

r

na

semi-join

dplyr