R：在一列中的Sum Complete.cases由另一列中的值分组（或排序）

Question

我使用的是airquality数据R中集可用，并试图统计数据中的行不包含任何数量NA s左右，而通过汇总Month 。

数据如下所示：

head(airquality)
#   Ozone Solar.R Wind Temp Month Day
# 1    41     190  7.4   67     5   1
# 2    36     118  8.0   72     5   2
# 3    12     149 12.6   74     5   3
# 4    18     313 11.5   62     5   4
# 5    NA      NA 14.3   56     5   5
# 6    28      NA 14.9   66     5   6

如你所见，我在Ozone和Solar.R列中有NA 。 我使用函数complete.cases如下：

x  <- airquality[,1] # for the Ozone
y  <- airquality[,2] # for the Solar.R
ok <- complete.cases(x,y)

然后检查：

nrow(airquality)
# [1] 153
sum(!ok)
# [1] 42
sum(ok)
# [1] 111

这很棒。

但现在，我想拉的数据相距排序Month （Column5），这是在那里我遇到了问题-在试图aggregate或sort由column5（值Month ）。

我能得到这个运行时，它不会被排序Month ，但（我只是想确保我能得到的功能来运行）：

aggregate(x = sum(complete.cases(airquality)), by= list(nrow(airquality)), FUN = sum)
#   Group.1   x
# 1     153 111

好的......所以要整理出来。 我试图使用聚合函数的by部分进行排序。 我尝试了airquality中的airquality许多变体。

- airquality[,5]
- airquality[,"Month"]

我收到这些错误：

aggregate(x = sum(complete.cases(airquality)), by= list(airquality[,5]), FUN = sum)
# Error in aggregate.data.frame(as.data.frame(x), ...) : 
#   arguments must have same length

aggregate(x = sum(complete.cases(airquality)), by= 
      list(sum(complete.cases(airquality)),airquality[,5]), FUN = sum)
# Error in aggregate.data.frame(as.data.frame(x), ...) : 
#   arguments must have same length

我试图进一步搜索?aggregate(x, ...)函数。 即by部分......

by - 分组元素列表，每个元素与数据帧x中的变量一样长。 这些元素在使用前被强制为因素。

我查了一下?factor ，但似乎无法看到如何应用它（如果在这种情况下甚至是必要的）。 我也尝试将break =放入其中但没有奏效。

似乎没有“可能已经有你的答案的问题”适用，其中许多都提供了C＃和SQL的解决方案。

编辑：预期结果

Count  Month
  24       5
   9       6
  26       7
  23       8
  29       9

Answer 1

我喜欢这些问题的data.table 。 by分组非常好，直观地确实......

require( data.table )
dt <- data.table( airquality )
dt[ , list( Count = sum( complete.cases( Ozone , Solar.R ) ) ), by = Month ]

#   Month Count
#1:     5 24
#2:     6  9
#3:     7 26
#4:     8 23
#5:     9 29

保持它在base R我会做...

airquality$ok <- complete.cases( airquality$Ozone , airquality$Solar.R )
aggregate( ok ~ Month , data = airquality , FUN = sum )
#  Month ok
#1     5 24
#2     6  9
#3     7 26
#4     8 23
#5     9 29

---

编辑：使用data.table的@ Simon解决方案的另一种变体：

dt[complete.cases(Ozone, Solar.R), list(count = .N), by=Month]
#    Month count
# 1:     5    24
# 2:     6     9
# 3:     7    26
# 4:     8    23
# 5:     9    29

变化的是我们第一滤波器/只有那些没有子集NA秒 ，然后用获得的聚集Month 。

注意： .N是data.table的内置变量 - 长度为1的整数向量，它给出了该组中观察的总数。

Answer 2

作为其他答案的补充，你可以用dplyr 。

require(dplyr)

airquality %.%
  group_by(Month) %.%
  summarize(incomplete = sum(!complete.cases(Ozone, Solar.R)),
             complete = sum(complete.cases(Ozone, Solar.R)))

#  Month incomplete complete
#1     5          7       24
#2     6         21        9
#3     7          5       26
#4     8          8       23
#5     9          1       29

Answer 3

这似乎是你在寻找：

> foo <- table(airquality[!ok,"Month"])
> data.frame(Month=names(foo),Count=as.vector(foo))
  Month Count
1     5     7
2     6    21
3     7     5
4     8     8
5     9     1

（这看起来与你的编辑有点不同。是否有可能在ok和!ok之间存在一些小的混淆？）