如何使用 dplyr::c_across() 汇总不同类型的变量

Question

我有不同类型变量的数据。 一些是字符，一些因素，还有一些数字，如下所示：

df <- data.frame(a = c("tt", "ss", "ss", NA), b=c(2,3,NA,1), c=c(1,2,NA, NA), d=c("tt", "ss", "ss", NA))

我正在尝试使用c_across中的dplyr计算每个观察值的缺失值数量但是， c_across似乎无法组合不同类型的值，如下面的错误消息所示

df %>%
  rowwise() %>%
  summarise(NAs = sum(is.na(c_across())))

错误： summarise()输入NAs 。 x 不能组合a <factor> 和b 。 ℹ 输入NAs是sum(is.na(c_across())) 。 ℹ 错误发生在第 1 行。

事实上，如果我只包含数字变量，它就可以工作。

df %>%
  rowwise() %>%
  summarise(NAs = sum(is.na(c_across(b:c))))

如果我只包含字符变量，同样的事情

df %>%
  rowwise() %>%
  summarise(NAs = sum(is.na(c_across(c(a,d)))))

我可以在不使用c_across情况下解决这个问题，如下所示，但是我有很多变量，所以它不是很实用。

df %>%
  rowwise() %>%
  summarise(NAs = is.na(a)+is.na(b)+is.na(c)+is.na(d))

我可以使用传统的apply方法，如下所示，但我想使用dplyr解决这个dplyr 。

apply(df, 1, function(x)sum(is.na(x)))

关于如何按行、有效地和使用dplyr计算缺失值数量的任何建议？

Answer 1

我会建议这种方法。 这个问题是因为两件事。 首先，您的数据框中的不同类型的变量，您需要一个用于 rowwise 样式任务的关键变量。 因此，在接下来的代码中，我们首先将变量转换为类似的类型，然后根据行数创建一个 id。 有了这个，我们使用该元素作为rowwise()输入，然后我们可以使用c_across()函数。 这里的代码（我用过你的df数据）：

library(tidyverse)
#Code
df %>% 
  mutate_at(vars(everything()),funs(as.character(.))) %>%
  mutate(id=1:n()) %>%
  rowwise(id) %>%
  mutate(NAs = sum(is.na(c_across(a:d))))

输出：

# A tibble: 4 x 6
# Rowwise:  id
  a     b     c     d        id   NAs
  <chr> <chr> <chr> <chr> <int> <int>
1 tt    2     1     tt        1     0
2 ss    3     2     ss        2     0
3 ss    NA    NA    ss        3     2
4 NA    1     NA    NA        4     3

我们可以使用新的mutate_at() across()和mutate()来避免mutate_at()函数来mutate_at()变量：

#Code 2
df %>% 
  mutate(across(a:d,~as.character(.))) %>%
  mutate(id=1:n()) %>%
  rowwise(id) %>%
  mutate(NAs = sum(is.na(c_across(a:d))))

输出：

# A tibble: 4 x 6
# Rowwise:  id
  a     b     c     d        id   NAs
  <chr> <chr> <chr> <chr> <int> <int>
1 tt    2     1     tt        1     0
2 ss    3     2     ss        2     0
3 ss    NA    NA    ss        3     2
4 NA    1     NA    NA        4     3

Answer 2

一个更快的选择是不使用rowwise或c_across ，而是使用rowSums

library(dplyr)
df %>% 
     mutate(NAs = rowSums(is.na(.)))
#     a  b  c    d NAs
#1   tt  2  1   tt   0
#2   ss  3  2   ss   0
#3   ss NA NA   ss   2
#4 <NA>  1 NA <NA>   3

---

如果我们想select某些列，即numeric

df %>%
   mutate(NAs = rowSums(is.na(select(., where(is.numeric)))))
#     a  b  c    d NAs
#1   tt  2  1   tt   0
#2   ss  3  2   ss   0
#3   ss NA NA   ss   2
#4 <NA>  1 NA <NA>   1