计算数据框中的重复行和第一个非 NA 出现

Question

我有以下示例数据集：

library(tidyverse)
dataset <- data.frame(id = c("A","A","B","B","C","A","C","B"), 
                  value = c(100, 500, 200, 100, 500, 300, 400, 100), 
                  status = c(NA, "Valid", NA, NA, "Pend", NA, NA, NA), 
                  stringsAsFactors = FALSE)

我需要的是提取这个具有最高值的唯一 ID，并有它重复的次数和第一个非 NA 状态。

我是这样解决的：

dataset_count <- dataset %>% group_by(id) %>% 
summarise(count = n(), comment = max(status, na.rm = TRUE)) %>% ungroup()

dataset_cross <- dataset %>% arrange(desc(value)) %>% 
left_join(dataset_count) %>% distinct(id, .keep_all = TRUE)

但由于我的原始数据集有 120 个变量和更多要遵循的规则，我想知道是否有办法使其更紧凑。 例如，我阅读了有关合并的内容，但它不允许我提取分组数据中的第一个 NA。 拜托，你能给点建议吗？ 谢谢你。

Answer 1

您可以使用max获得最大值，使用n()计算行数，每个id使用which.max第一个非 NA 值。

library(dplyr)

dataset %>%
  group_by(id) %>%
  summarise(value = max(value), 
            count = n(), 
            status = status[which.max(!is.na(status))])

#  id    value count status
#  <chr> <dbl> <int> <chr> 
#1 A       500     3 Valid 
#2 B       200     3 NA    
#3 C       500     2 Pend  

Answer 2

这是一个基本的 R 解决方案

dfout <- do.call(rbind,
                 c(make.row.names = F,
                   lapply(split(dataset,dataset$id), 
                          function(v) {
                            data.frame(
                              id = unique(v["id"]),
                              value = max(v["value"]),
                              count = nrow(v),
                              status = v$status[which.max(!is.na(v$status))]
                            )
                          })))

以至于

> dfout
  id value count status
1  A   500     3  Valid
2  B   200     3   <NA>
3  C   500     2   Pend