提取最新的可用年份数据

Question

我有一个相当大的长格式年度数据集，并且有大量缺失值。我正在尝试提取最近可用年份的每一列的数据点。

输入：

ID	Year	x	y
1	2017	1	NA
1	2018	NA	NA
1	2019	3	NA
1	2020	NA	c

data.frame(ID=c(1,1,1,1),
           Year =c(2017, 2018, 2019, 2020),
           x=c(1, NA, 3, NA),
           y=c(NA, NA, NA, "c")
)

输出:

ID	x	y
1	3	c

data.frame(ID=1,
           x=3,
           y="c"
           )

非常感谢您的帮助。

Answer 1

你可以试试：

library(dplyr)
library(tidyr)    

dfx %>%
  pivot_longer(-c(ID, Year),
               values_transform = list(value = as.character)) %>% 
  na.omit() %>% 
  group_by(ID, name) %>% 
  filter(Year == max(Year)) %>% 
  dplyr::select(-Year) %>% 
  pivot_wider(values_from = value, names_from = name) 

# # A tibble: 1 x 3
# ID x     y    
# <dbl> <chr> <chr>
#   1     1 3     c

Answer 2

您可能想针对您的问题解决一些问题，以便生成适当的回复。

把题的逻辑分成Reprex。问题有点不清楚你想如何在没有的情况下获得输出手动选择它们。
Show/explain 你尝试过的方法也是如此人们不会浪费他们的时间或觉得你没有尝试过。从你那里有什么我会试一试，看看是否有什么帮助你。

df <- data.frame(ID=c(1,1,1,1),
           Year =c(2017, 2018, 2019, 2020),
           x=c(1, NA, 3, NA),
           y=c(NA, NA, NA, "c")
)
# Remove year like in example?
df <- df %>% 
    select(., -Year) %>%
    filter(, !is.na(y))

# Get values you want?
> df.x <- df %>% 
    select(x) %>%
    na.omit() %>%
    as.double()
# Put together
df[2] <- df.x

Answer 3

1) 假设行在 ID 中按年份排序，问题示例中就是这种情况——如果未排序，则首先使用 arrange(ID, Year) 对其进行排序 - - 删除 Year，按 ID 分组，填写剩余的每一列并取组的最后一行。

library(dplyr, exclude = c("lag", "filter"))
library(tidyr)

DF %>%
  select(-Year) %>%
  group_by(ID) %>%
  fill %>%
  slice_tail %>%
  ungroup

给予：

# A tibble: 1 x 3
     ID     x y    
  <dbl> <dbl> <chr>
1     1     3 c

2) na.locf0 来自 zoo 的也可以并给出相同的结果。

library(dplyr, exclude = c("lag", "filter"))
library(zoo)

DF %>%
  select(-Year) %>%
  group_by(ID) %>%
  mutate(across(.fns = na.locf0)) %>%
  slice_tail %>%
  ungroup

提取最新的可用年份数据

Extracting the Latest Available Year Data

r

dplyr

time-series

na