您如何识别 R 中一个 data.frame 中的缺失对？

Question

这是我在一些调查的后续数据中遇到的问题，并且一直在痛苦地手动执行此操作。在 R 中一定有一种优雅的方法可以做到这一点，但我还没有在任何地方找到解决这个问题的方法。具体来说，我有一个 data.frame，要求同一个人提供基线值，然后提供感兴趣变量的后续值。如果我想在下游进行配对分析，我只能使用我对两者都有完整数据的那些人一）基线 b) 跟进

这是一些样本数据

a <- rep(c("Peter", "Pan", "Mickey", "Mouse"), times = 1, each = 2)
b <- rep(c("Baseline", "Follow-up"), times = 4)
c <- c(6, 1, 6, 3, 7, 3, NA, 1)
df <- data.frame(a, b, c)
df
       a         b  c
1  Peter  Baseline  6
2  Peter Follow-up  1
3    Pan  Baseline  6
4    Pan Follow-up  3
5 Mickey  Baseline  7
6 Mickey Follow-up  3
7  Mouse  Baseline NA
8  Mouse Follow-up  1

正如我们所见，Mouse 缺少基线信息，因此不能包含在配对分析中。

df2 <- df[complete.cases(df),]
# OR 
df2 <- na.omit(df) # both produce the same result
df2
       a         b c
1  Peter  Baseline 6
2  Peter Follow-up 1
3    Pan  Baseline 6
4    Pan Follow-up 3
5 Mickey  Baseline 7
6 Mickey Follow-up 3
8  Mouse Follow-up 1

在这种情况下没有帮助，因为它们保留了鼠标的后续值，而我只想对我有完整数据的个人进行进一步分析，否则我可能会包含不完整的数据从而伪造我的下游分析。

如果有人对如何 a) 识别缺失感兴趣变量数据的个体，以及 b) 如何随后删除那个人的所有数据，那太棒了。

谢谢。

根据出色的初始答案进行更新。

我处理的真实数据不像示例数据那样"symmetrical"，我遇到了以下问题。

a <- rep(c("Peter", "Pan", "Mickey", "Mouse"), times = 1, each = 4)
b <- rep(c("Baseline", "Follow-up"), times = 4, each = 2)
c <- rep(c(6, 6, 1, 1, 7, 7, 3, 2, NA, 9, 1, 1, 7, 7, NA, 2))
d <- rep(c("Arm", "Leg"), times = 8, each = 1)
df <- data.frame(a, b, c, d)

因此，正如您所见，针对同一变量 c，针对不同位置（此处为任意手臂和腿）对个体进行了调查。

如果我现在应用提供的解决方案：

df %>% group_by(a) %>% filter(all(!is.na(c)))
    Source: local data frame [8 x 4]
Groups: a

      a         b c   d
1 Peter  Baseline 6 Arm
2 Peter  Baseline 6 Leg
3 Peter Follow-up 1 Arm
4 Peter Follow-up 1 Leg
5   Pan  Baseline 7 Arm
6   Pan  Baseline 7 Leg
7   Pan Follow-up 3 Arm
8   Pan Follow-up 2 Leg

我失去了所有我可能没有关于一个位置的不完整信息的人，例如Mouse 具有 df$d == "Leg" 的完整数据，因此我可以在下游使用它。

如果我应用 Paulo 的解决方案 - 我得到一个不完整的数据框，因为例如鼠标的两个基线测量值都被保留了。

df %>% 
filter(complete.cases(.))%>%
group_by(a)%>%
mutate(n=length(c))%>% 
filter(n>1)
Source: local data frame [14 x 5]
Groups: a

        a         b c   d n
1   Peter  Baseline 6 Arm 4
2   Peter  Baseline 6 Leg 4
3   Peter Follow-up 1 Arm 4
4   Peter Follow-up 1 Leg 4
5     Pan  Baseline 7 Arm 4
6     Pan  Baseline 7 Leg 4
7     Pan Follow-up 3 Arm 4
8     Pan Follow-up 2 Leg 4
9  Mickey  Baseline 9 Leg 3
10 Mickey Follow-up 1 Arm 3
11 Mickey Follow-up 1 Leg 3
12  Mouse  Baseline 7 Arm 3
13  Mouse  Baseline 7 Leg 3
14  Mouse Follow-up 2 Leg 3

注意，我的真实数据有这样一种情况："Peter" 有 4 个基线和后续测量，"Pan" 有 6 个基线和后续测量等。

抱歉打扰了，如评论中所写，回复当然已被接受。但是，如果您知道如何解决这个问题，那就太棒了！谢谢。

Answer 1

已编辑

对于你的新问题，类似这样

library(dplyr)
df%>%
  filter(complete.cases(.))%>%
  group_by(a, d)%>%
  mutate(n=length(c))%>%
  filter(n>1)%>%select(-n)

会给你这个

Source: local data frame [12 x 4]
Groups: a, d

        a         b c   d
1   Peter  Baseline 6 Arm
2   Peter  Baseline 6 Leg
3   Peter Follow-up 1 Arm
4   Peter Follow-up 1 Leg
5     Pan  Baseline 7 Arm
6     Pan  Baseline 7 Leg
7     Pan Follow-up 3 Arm
8     Pan Follow-up 2 Leg
9  Mickey  Baseline 9 Leg
10 Mickey Follow-up 1 Leg
11  Mouse  Baseline 7 Leg
12  Mouse Follow-up 2 Leg

Answer 2

您可以尝试 dplyr 方法：

library(dplyr)
df %>% group_by(a) %>%
       filter(!any(is.na(c)))

这将踢出在 c 列中有任何 NA 的任何组（您的 a）。

对于新数据，除非我读错了你现在只想按 (a, d) 分组：

df %>% group_by(a, d) %>%
       filter(!any(is.na(c)))

您如何识别 R 中一个 data.frame 中的缺失对？

How do you identify missing pairs within one data.frame in R?

r

data-cleaning