如何找到数据框中完整案例的数量并使用 R 生成仅包含列的指定值的小计的新数据框？

Question

这是我构建的函数，它将尝试生成一个数据框，其中包含特定级别或“ID”变量级别的完整案例的总和。 当我只有一个 id 值时它有效。 但是，当我输入多个 id 值时，它会汇总所有完整案例。 新数据框“out”列出了每个 id 值以及每个对应列中完整案例的总和：

complete_cases<-function(directory,id=1:332){
files_list<-list.files(directory,full.names=TRUE)
dat<-data.frame()
s<-vector()
for(i in 1:332){
dat<-rbind(dat,read.csv(files_list[i]))
} 
dat_subset<-dat[which(dat[,"ID"]%in%id),]
s<-sum(complete.cases(dat_subset))
out<-data.frame(cbind(id,nobs=s))   
return(out)
}

id=1:2 的输出是：

> complete_cases("specdata",1:2)
id nobs
1  1 1158
2  2 1158

Answer 1

如果我理解正确，您希望输出是一个 data.frame，其中包含传递给函数的每个 id 的完整案例数。 这是一种方式：

# Sample data
mat <- matrix(rnorm(50000), nrow = 5000)
mat[cbind(sample(5000, 500, replace = TRUE), sample(10, 500, replace = TRUE))] <- rep(NA, 500)
df <- data.frame(id = sample(332, 5000, replace = TRUE), mat)

plyr::ddply(df, .(id), function(x) c(CompleteCases = sum(complete.cases(x))))

调整您的代码：

complete_cases<-function(directory, id=1:332){
  files_list<-list.files(directory,full.names=TRUE)
  dat<- plyr::ldply(files_list, read.csv)
  dat_subset<-dat[which(dat$ID %in% id), ]
  plyr::ddply(dat, .(ID), function(x) data.frame(nobs = sum(complete.cases(x))))
}

请注意，根据原始数据，这将在输出中有一列名为 ID 而不是 id 。 如果需要，您可以使用 plyr::rename 将其更改为 id 。