基于一个参考列与 dplyr 中其他列相比的摘要

Question

我想根据 R 中另一个变量的 na 或 non-na 值获取一个变量的总和。一个工作示例代码如下：

library(dplyr)
df <- data.frame(A = c(1,2,3,NA,4),
                 B = c(NA,2,3,NA,5),
                 C = c(3,4,NA,NA,NA),
                 REF = c(10,20,30,40,50))

df.na <- df %>% mutate_at(vars(-REF),is.na)

sums <- matrix(0,2,3)
row.names(sums) <- c("NON-NA","NA")
colnames(sums) <- c("A","B","C")

for(i in 1:3){
  sums[,i] <- df.na %>% group_by_at(i) %>% summarise(sum=sum(REF)) %>% select(sum) %>% unlist()
}

> sums
         A   B   C
NON-NA 110 100  30
NA      40  50 120

例如，由于 A 列中的第 4 项是 NA，因此对应的列值是 sums 对象中的 30 和 10+20+3+50 = 150-30 = 120。

我的问题是如何在没有 for 循环的情况下获得此输出？

Answer 1

这是一个使用 tidyr 中的 pivot_ 函数的解决方案。该方法转向更长的形式，以便您可以按列名和列值是否为 NA 进行分组。

library(dplyr)
library(tidyr)
df %>%
  pivot_longer(cols = c("A", "B", "C")) %>%
  mutate(isna = is.na(value)) %>%
  group_by(name, isna) %>%
  summarize(value = sum(REF)) %>%
  pivot_wider()

  isna      A     B     C
  <lgl> <dbl> <dbl> <dbl>
1 FALSE   110   100    30
2 TRUE     40    50   120

Answer 2

df <- data.frame(A = c(1,2,3,NA,4),
                 B = c(NA,2,3,NA,5),
                 C = c(3,4,NA,NA,NA),
                 REF = c(10,20,30,40,50))

library(tidyverse)
imap(.x = df[1:3],
    .f = ~ df %>%
      group_by(grp = is.na(.x)) %>%
      summarise(!!.y := sum(REF, na.rm = T))) %>% 
  reduce(left_join)
#> Joining, by = "grp"
#> Joining, by = "grp"
#> # A tibble: 2 x 4
#>   grp       A     B     C
#>   <lgl> <dbl> <dbl> <dbl>
#> 1 FALSE   110   100    30
#> 2 TRUE     40    50   120

^{由 reprex package (v2.0.1)}

创建于 2022-01-26

基于一个参考列与 dplyr 中其他列相比的摘要

Summaries based on one reference column compared to the other columns in dplyr

r

dplyr

reshape

summarize