为每个组 ID 创建所有可能的非 NA 值组合
Create all possible combinations of non-NA values for each group ID
类似于问题，但有一个额外的转折：
给定以下数据框：
txt <- "ID Col1 Col2 Col3 Col4
1 6 10 NA NA
1 5 10 NA NA
1 NA 10 15 20
2 17 25 NA NA
2 13 25 NA NA
2 NA 25 21 34
2 NA 25 35 40"
DF <- read.table(text = txt, header = TRUE)
DF
ID Col1 Col2 Col3 Col4
1 1 6 10 NA NA
2 1 5 10 NA NA
3 1 NA 10 15 20
4 2 17 25 NA NA
5 2 13 25 NA NA
6 2 NA 25 21 34
7 2 NA 25 35 40
我希望按组 ID（类似于本例中的 Col2）折叠行，并且当每个组存在超过 1 个组合时，return 所有组合，如下所示：
ID Col1 Col2 Col3 Col4
1 1 6 10 15 20
2 1 5 10 15 20
3 2 17 25 21 34
4 2 13 25 21 34
5 2 17 25 35 40
6 2 13 25 35 40
重要的是，以后我将需要它来处理非数字数据。有什么建议么？谢谢！
按 'ID'、fill 其他列分组，ungroup 删除分组属性并保留 distinct 行
library(dplyr)
library(tidyr)
DF %>%
group_by(ID) %>%
fill(everything(), .direction = 'updown') %>%
ungroup %>%
distinct(.keep_all = TRUE)
或者也可能是
DF %>%
group_by(ID) %>%
mutate(across(everything(), ~ replace(., is.na(.),
rep(.[!is.na(.)], length.out = sum(is.na(.))))))
或根据评论
DF %>%
group_by(ID) %>%
mutate(across(where(~ any(is.na(.))), ~ {
i1 <- is.na(.)
ind <- which(i1)
i2 <- !i1
if(i1[1] == 1) rep(.[i2], each = n()/sum(i2)) else
rep(.[i2], length.out = n())
})) %>%
ungroup %>%
distinct(.keep_all = TRUE)
-输出
# A tibble: 6 x 5
ID Col1 Col2 Col3 Col4
<int> <int> <int> <int> <int>
1 1 6 10 15 20
2 1 5 10 15 20
3 2 17 25 21 34
4 2 13 25 21 34
5 2 17 25 35 40
6 2 13 25 35 40
一个 data.table 选项使用 zoo 的 na.locf 来填充缺失值。
library(zoo)
library(data.table)
setDT(DF)
cols <- grep('Col', names(DF), value = TRUE)
DF[, (cols) := lapply(.SD, function(x) fcoalesce(na.locf(x, na.rm = FALSE),
na.locf(x, na.rm = FALSE, fromLast = TRUE))), ID]
unique(DF)
# ID Col1 Col2 Col3 Col4
#1: 1 6 10 15 20
#2: 1 5 10 15 20
#3: 2 17 25 21 34
#4: 2 13 25 21 34
#5: 2 13 25 35 40
，OP 指出：
for my purposes I don't care about the arrangement of elements so long
as all combinations of Col1 and (Col3&Col4) per group ID exist in the
output
所以，如果我理解正确的话，问题是 不是 关于崩溃，而是关于创建 非 NA 值 的所有可能组合每个 ID 组的列 Col1、Col2 和组合列（Col3、Col4）。
为此，tidyr 包中的 expand() 和 nesting() 可用于创建组合。 na.omit() 删除包含任何 NA 之后的所有行 :
library(dplyr)
library(tidyr)
DF %>%
group_by(ID) %>%
expand(Col1, Col2, nesting(Col3, Col4)) %>%
na.omit() %>%
ungroup()
ID Col1 Col2 Col3 Col4
<int> <int> <int> <int> <int>
1 1 5 10 15 20
2 1 6 10 15 20
3 2 13 25 21 34
4 2 13 25 35 40
5 2 17 25 21 34
6 2 17 25 35 40
这种方法也适用于非数值数据。
编辑 1
再想一想，我想知道输入数据集的特殊结构，即 NAs:
的位置
DF
ID Col1 Col2 Col3 Col4
1 1 6 10 NA NA
2 1 5 10 NA NA
3 1 NA 10 15 20
4 2 17 25 NA NA
5 2 13 25 NA NA
6 2 NA 25 21 34
7 2 NA 25 35 40
对我来说，DF 似乎是由三个独立的子集构成的，第一个 Col1
ID Col1
1 1 6
2 1 5
4 2 17
5 2 13
第二个 Col2
ID Col2
1 1 10
4 2 25
第三个 Col3 和 Col4
ID Col3 Col4
3 1 15 20
6 2 21 34
7 2 35 40
基于这一观察，这是一种不同的方法，它通过子集的一系列合并操作（笛卡尔连接）创建子集的所有可能组合：
library(magrittr) # piping used her to improve readability
list("Col1", "Col2", c("Col3", "Col4")) %>%
lapply(function(x) DF[c("ID", x)] %>% na.omit %>% unique) %>%
Reduce(merge, .)
ID Col1 Col2 Col3 Col4
1 1 6 10 15 20
2 1 5 10 15 20
3 2 17 25 21 34
4 2 17 25 35 40
5 2 13 25 21 34
6 2 13 25 35 40
此处，lapply() 创建输入数据集的子集列表，然后使用 Reduce().
重复合并该列表
编辑 2：
在 4.1.0 版本中，R 获得了简单的本地正向管道语法 |> 和 \() 作为 function() 的 shorthand 符号。有了这个，编辑 1 的代码可以重写为仅使用基 R（没有 magrittr）：
list("Col1", "Col2", c("Col3", "Col4")) |>
lapply(\(x) DF[c("ID", x)] |> na.omit() |> unique()) |>
(\(z) Reduce(merge, z))()
类似于
给定以下数据框：
txt <- "ID Col1 Col2 Col3 Col4
1 6 10 NA NA
1 5 10 NA NA
1 NA 10 15 20
2 17 25 NA NA
2 13 25 NA NA
2 NA 25 21 34
2 NA 25 35 40"
DF <- read.table(text = txt, header = TRUE)
DF
ID Col1 Col2 Col3 Col4
1 1 6 10 NA NA
2 1 5 10 NA NA
3 1 NA 10 15 20
4 2 17 25 NA NA
5 2 13 25 NA NA
6 2 NA 25 21 34
7 2 NA 25 35 40
我希望按组 ID（类似于本例中的 Col2）折叠行，并且当每个组存在超过 1 个组合时，return 所有组合，如下所示：
ID Col1 Col2 Col3 Col4
1 1 6 10 15 20
2 1 5 10 15 20
3 2 17 25 21 34
4 2 13 25 21 34
5 2 17 25 35 40
6 2 13 25 35 40
重要的是，以后我将需要它来处理非数字数据。有什么建议么？谢谢！
按 'ID'、fill 其他列分组，ungroup 删除分组属性并保留 distinct 行
library(dplyr)
library(tidyr)
DF %>%
group_by(ID) %>%
fill(everything(), .direction = 'updown') %>%
ungroup %>%
distinct(.keep_all = TRUE)
或者也可能是
DF %>%
group_by(ID) %>%
mutate(across(everything(), ~ replace(., is.na(.),
rep(.[!is.na(.)], length.out = sum(is.na(.))))))
或根据评论
DF %>%
group_by(ID) %>%
mutate(across(where(~ any(is.na(.))), ~ {
i1 <- is.na(.)
ind <- which(i1)
i2 <- !i1
if(i1[1] == 1) rep(.[i2], each = n()/sum(i2)) else
rep(.[i2], length.out = n())
})) %>%
ungroup %>%
distinct(.keep_all = TRUE)
-输出
# A tibble: 6 x 5
ID Col1 Col2 Col3 Col4
<int> <int> <int> <int> <int>
1 1 6 10 15 20
2 1 5 10 15 20
3 2 17 25 21 34
4 2 13 25 21 34
5 2 17 25 35 40
6 2 13 25 35 40
一个 data.table 选项使用 zoo 的 na.locf 来填充缺失值。
library(zoo)
library(data.table)
setDT(DF)
cols <- grep('Col', names(DF), value = TRUE)
DF[, (cols) := lapply(.SD, function(x) fcoalesce(na.locf(x, na.rm = FALSE),
na.locf(x, na.rm = FALSE, fromLast = TRUE))), ID]
unique(DF)
# ID Col1 Col2 Col3 Col4
#1: 1 6 10 15 20
#2: 1 5 10 15 20
#3: 2 17 25 21 34
#4: 2 13 25 21 34
#5: 2 13 25 35 40
for my purposes I don't care about the arrangement of elements so long as all combinations of Col1 and (Col3&Col4) per group ID exist in the output
所以，如果我理解正确的话，问题是 不是 关于崩溃，而是关于创建 非 NA 值 的所有可能组合每个 ID 组的列 Col1、Col2 和组合列（Col3、Col4）。
为此，tidyr 包中的 expand() 和 nesting() 可用于创建组合。 na.omit() 删除包含任何 NA 之后的所有行 :
library(dplyr)
library(tidyr)
DF %>%
group_by(ID) %>%
expand(Col1, Col2, nesting(Col3, Col4)) %>%
na.omit() %>%
ungroup()
ID Col1 Col2 Col3 Col4 <int> <int> <int> <int> <int> 1 1 5 10 15 20 2 1 6 10 15 20 3 2 13 25 21 34 4 2 13 25 35 40 5 2 17 25 21 34 6 2 17 25 35 40
这种方法也适用于非数值数据。
编辑 1
再想一想，我想知道输入数据集的特殊结构，即 NAs:
DF
ID Col1 Col2 Col3 Col4 1 1 6 10 NA NA 2 1 5 10 NA NA 3 1 NA 10 15 20 4 2 17 25 NA NA 5 2 13 25 NA NA 6 2 NA 25 21 34 7 2 NA 25 35 40
对我来说，DF 似乎是由三个独立的子集构成的，第一个 Col1
ID Col1 1 1 6 2 1 5 4 2 17 5 2 13
第二个 Col2
ID Col2 1 1 10 4 2 25
第三个 Col3 和 Col4
ID Col3 Col4 3 1 15 20 6 2 21 34 7 2 35 40
基于这一观察，这是一种不同的方法，它通过子集的一系列合并操作（笛卡尔连接）创建子集的所有可能组合：
library(magrittr) # piping used her to improve readability
list("Col1", "Col2", c("Col3", "Col4")) %>%
lapply(function(x) DF[c("ID", x)] %>% na.omit %>% unique) %>%
Reduce(merge, .)
ID Col1 Col2 Col3 Col4 1 1 6 10 15 20 2 1 5 10 15 20 3 2 17 25 21 34 4 2 17 25 35 40 5 2 13 25 21 34 6 2 13 25 35 40
此处，lapply() 创建输入数据集的子集列表，然后使用 Reduce().
编辑 2：
在 4.1.0 版本中，R 获得了简单的本地正向管道语法 |> 和 \() 作为 function() 的 shorthand 符号。有了这个，编辑 1 的代码可以重写为仅使用基 R（没有 magrittr）：
list("Col1", "Col2", c("Col3", "Col4")) |>
lapply(\(x) DF[c("ID", x)] |> na.omit() |> unique()) |>
(\(z) Reduce(merge, z))()