dplyr：如何在分组变量中忽略NA

Question

使用dplyr，我试图按两个变量分组。 现在，如果一个变量中有一个NA而另一个变量匹配，我仍然希望看到这些行分组，NA取非NA值的值。 所以，如果我有这样的数据框：

variable_A <- c("a", "a", "b", NA, "f")
variable_B <- c("c", "d", "e", "c", "c")
variable_C <- c(10, 20, 30, 40, 50)
df <- data.frame(variable_A, variable_B, variable_C)

如果我想按变量_A和变量_进行分组，那么第1行和第4行通常不会分组，但我希望它们能够分组，而NA会被覆盖为“a”。 我怎样才能做到这一点？ 以下不起作用。

df2 <- df %>%
         group_by(variable_A, variable_B) %>%
         summarise(total=sum(variable_C))

Answer 1

您可以先按B分组，然后填写缺少的A值。 然后继续你想做的事：

df_filled = df %>%
    group_by(variable_B) %>%
    mutate(variable_A = first(na.omit(variable_A)))

df_filled %>%
    group_by(variable_A, variable_B) %>%
    summarise(total=sum(variable_C))

Answer 2

您可以使用基数R执行缺失值插补，如下所示：

 ii <- which(is.na(df$variable_A))
 jj <- which(df$variable_B == df$variable_B[ii])
 df_filled <- df
 df_filled$variable_A[jj] = df$variable_A[jj][!is.na(df$variable_A[jj])]

然后按计划用dplyr进行分组和汇总

 df_filled %>%
 group_by(variable_A, variable_B) %>%
 dplyr::summarise(total=sum(variable_C))