[英]Calculate column NA's based on a grouping variable with dplyr
我找不到任何类似的问题,虽然我怀疑之前没有发布过这个问题。 我的问题与使用dplyr计算,每列中NA'S的百分比有关 。
在每个受试者多个观察的数据集中,不仅计算缺失数据条目的总数(即每列的总NA),而且还有多少受试者缺少某种类型的数据。
例如,在数据集db
(见下文) item_1
缺少2名受试者和item_2
缺少1名受试者。
编辑1:我感兴趣的是每个项目有多少科目有(任何)缺失值。 即使在
item_2
有对主体编号1两个缺少观察,这应该算作1,因为它仍然是同样的问题。
library("dplyr")
db <- data.frame(
subject = c(1, 1, 1, 2),
item_1 = c(NA, 2, 3, NA),
item_2 = c(1, NA, NA, 4)
)
db
#> subject item_1 item_2
#> 1 1 NA 1
#> 2 1 2 NA
#> 3 1 3 NA
#> 4 2 NA 4
我的方法,到目前为止是cbind
所有单计算成一个新的data.frame
但是这很快就会变得混乱(有更多的列),并肯定不是很好的编码。
编辑1:然而,这示出了所希望的值,如
item_1
缺少两个主体(1 和 2)和ITEM_2仅缺少1名受试者(受试者2)。
cbind(
db %>%
filter(is.na(item_1)) %>%
summarise(na_item_1 = n_distinct(subject)),
db %>%
filter(is.na(item_2)) %>%
summarise(na_item_2 = n_distinct(subject))
)
#> na_item_1 na_item_2
#> 1 2 1
问题 : dplyr
有一种方法可以计算出来吗?
理想情况下,我还想在某处添加缺失的比例(如下例所示):
data.frame(
type = c("n", "proportion"),
na_item_1 = c(2, 1.0),
na_item_2 = c(1, 0.5)
)
#> type na_item_1 na_item_2
#> 1 n 2.0 1.0
#> 2 proportion 1.0 0.5
由reprex包创建于2019-04-16(v0.2.1)
提前致谢!
另一个dplyr
版本是首先group_by
subject
并找出具有any
NA
值的组,然后group_by
列并计算n
的NA
的总值并将其除以subject
的总唯一值以获得prop
。
library(dplyr)
library(tidyr)
db %>%
group_by(subject) %>%
summarise_all(~any(is.na(.))) %>%
ungroup() %>%
select(-subject) %>%
gather() %>%
group_by(key) %>%
summarise(n = sum(value),
prop = n/n_distinct(db$subject))
# key n prop
# <chr> <int> <dbl>
#1 item_1 2 1
#2 item_2 1 0.5
评估每个项目和每个ID的NA数量的tidyverse
一种可能性是:
db %>%
gather(var, val, -subject) %>%
group_by(var, subject) %>%
summarise(val = sum(is.na(val))) %>%
spread(var, val)
subject item_1 item_2
<dbl> <int> <int>
1 1 1 2
2 2 1 0
或者,如果您想要NA的总数和每个ID的NA比例:
db %>%
gather(var, val, -subject) %>%
group_by(subject) %>%
summarise(count = sum(is.na(val)),
proportion = sum(is.na(val))/n())
subject count proportion
<dbl> <int> <dbl>
1 1 3 0.5
2 2 1 0.5
或者,如果您想要每个项目的NA计数和比例:
bind_rows(db %>%
select(-subject) %>%
gather(var, val) %>%
group_by(var) %>%
summarise(val = sum(is.na(val))) %>%
spread(var, val) %>%
mutate(type = "count"),
db %>%
select(-subject) %>%
gather(var, val) %>%
group_by(var) %>%
summarise(val = sum(is.na(val))/n()) %>%
spread(var, val) %>%
mutate(type = "proportion"))
item_1 item_2 type
<dbl> <dbl> <chr>
1 2 2 count
2 0.5 0.5 proportion
或者,如果您想要每个项目NA的唯一主题的数量和比例:
bind_rows(db %>%
gather(var, val, -subject) %>%
filter(is.na(val)) %>%
group_by(var) %>%
summarise(val = n_distinct(subject)) %>%
spread(var, val) %>%
mutate(type = "count"),
db %>%
gather(var, val, -subject) %>%
group_by(var) %>%
mutate(n = n_distinct(subject)) %>%
filter(is.na(val)) %>%
group_by(var) %>%
summarise(val = first(n_distinct(subject)/n)) %>%
spread(var, val) %>%
mutate(type = "proportion"))
item_1 item_2 type
<dbl> <dbl> <chr>
1 2 1 count
2 1 0.5 proportion
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.