如何使用 dplyr::c_across() 对不同类型的变量进行汇总

Question

我有不同类型变量的数据。有些是字符，有些是因数，有些是数字，如下所示：

df <- data.frame(a = c("tt", "ss", "ss", NA), b=c(2,3,NA,1), c=c(1,2,NA, NA), d=c("tt", "ss", "ss", NA))

我正在尝试使用 dplyr 中的 c_across 计算每次观察的缺失值数量但是，c_across 似乎无法组合不同类型的值，正如下面的错误消息所暗示的那样

df %>%
  rowwise() %>%
  summarise(NAs = sum(is.na(c_across())))

Error: Problem with summarise() input NAs. x Can't combine a <factor> and b . ℹ Input NAs is sum(is.na(c_across())). ℹ The error occurred in row 1.

的确，如果我只包含数字变量，它就可以工作。

df %>%
  rowwise() %>%
  summarise(NAs = sum(is.na(c_across(b:c))))

如果我只包含字符变量，同样如此

df %>%
  rowwise() %>%
  summarise(NAs = sum(is.na(c_across(c(a,d)))))

我可以不用像下面这样的 c_across 来解决这个问题，但是我有很多变量，所以不太实用。

df %>%
  rowwise() %>%
  summarise(NAs = is.na(a)+is.na(b)+is.na(c)+is.na(d))

我可以使用传统的 apply 方法，如下所示，但我想使用 dplyr.

来解决这个问题

apply(df, 1, function(x)sum(is.na(x)))

关于如何高效地按行计算缺失值的数量以及使用 dplyr 的任何建议？

Answer 1

我建议采用这种方法。这个问题是因为两件事。首先，你的数据框中有不同类型的变量，然后你需要一个关键变量来完成按行样式的任务。因此，在接下来的代码中，我们首先将变量转换为类似的类型，然后我们根据行数创建一个 id。有了这个，我们将该元素用作 rowwise() 的输入，然后我们可以使用 c_across() 函数。代码在这里（我用过你df数据）：

library(tidyverse)
#Code
df %>% 
  mutate_at(vars(everything()),funs(as.character(.))) %>%
  mutate(id=1:n()) %>%
  rowwise(id) %>%
  mutate(NAs = sum(is.na(c_across(a:d))))

输出：

# A tibble: 4 x 6
# Rowwise:  id
  a     b     c     d        id   NAs
  <chr> <chr> <chr> <chr> <int> <int>
1 tt    2     1     tt        1     0
2 ss    3     2     ss        2     0
3 ss    NA    NA    ss        3     2
4 NA    1     NA    NA        4     3

并且我们可以避免 mutate_at() 函数使用新的 across() 和 mutate() 来同源变量：

#Code 2
df %>% 
  mutate(across(a:d,~as.character(.))) %>%
  mutate(id=1:n()) %>%
  rowwise(id) %>%
  mutate(NAs = sum(is.na(c_across(a:d))))

输出：

# A tibble: 4 x 6
# Rowwise:  id
  a     b     c     d        id   NAs
  <chr> <chr> <chr> <chr> <int> <int>
1 tt    2     1     tt        1     0
2 ss    3     2     ss        2     0
3 ss    NA    NA    ss        3     2
4 NA    1     NA    NA        4     3

Answer 2

一个更快的选择是不使用 rowwise 或 c_across，而是使用 rowSums

library(dplyr)
df %>% 
     mutate(NAs = rowSums(is.na(.)))
#     a  b  c    d NAs
#1   tt  2  1   tt   0
#2   ss  3  2   ss   0
#3   ss NA NA   ss   2
#4 <NA>  1 NA <NA>   3

如果我们想要 select 某些列，即 numeric

df %>%
   mutate(NAs = rowSums(is.na(select(., where(is.numeric)))))
#     a  b  c    d NAs
#1   tt  2  1   tt   0
#2   ss  3  2   ss   0
#3   ss NA NA   ss   2
#4 <NA>  1 NA <NA>   1

如何使用 dplyr::c_across() 对不同类型的变量进行汇总

How to summarise across different types of variables with dplyr::c_across()

r

dplyr

rowwise