在满足条件的情况下，在R中的数据帧的子集中，对每列采样一行

Question

作为数据示例，在数据帧中有具有三行数据的GROUP 1和具有两行数据的GROUP 2：

GROUP   VARIABLE 1   VARIABLE 2   VARIABLE 3 
    1            2            6            5 
    1            4           NA            1 
    1           NA            3            8
    2            1           NA            2      
    2            9           NA           NA 

我想从GROUP 1的每一列中抽样一个变量，以创建代表GROUP 1的新行。我不想从GROUP 1抽样一个完整的行，而是需要对每一列分别进行抽样。 我想对GROUP 2执行相同的操作。此外，除非该组变量的所有行都具有NA（例如上面的GROUP 2，VARIABLE 2），否则采样不应考虑/包括NA。

例如，采样后，我可能会得到以下结果：

GROUP   VARIABLE 1   VARIABLE 2   VARIABLE 3 
    1            4            6            1 
    2            9           NA            2 

在这里，只有GROUP 2，VARIABLE 2可以产生NA 。 我实际上有39个组，50,000个以上的变量和大量的NA 。 我衷心感谢代码创建行的新数据框，每一行每个组都有采样结果。

Answer 1

我们可以使用data.table 。 将'data.frame'转换为'data.table'（ setDT(df1) ），按'GROUP'分组，我们遍历各列（ lapply(.SD, ）， if all元素均为NA，则返回NA或否则我们得到非NA元素的sample 。

library(data.table)
setDT(df1)[,lapply(.SD, function(x)
     if(all(is.na(x))) NA_integer_ else sample(na.omit(x),1)) , by = GROUP]

Answer 2

要忽略NA只需将另一个参数传递给汇总函数na.rm = TRUE 。 它将忽略所有NA 。

我使用dplyr来执行请求的分组，但是您也可以使用基本函数。 dplyr易于使用和阅读。

下面是代码

如果所有列的摘要功能都相同，则可以使用summarise_each并一次性进行分组。

library(dplyr)

    df = df %>%
      group_by(Group) %>%
      summarise(Var_1 = max(Var_1, na.rm = TRUE),Var_2 = max(Var_2, na.rm = TRUE),Var_3 = min(Var_3, na.rm = TRUE))